Алгоритм ALICE определит способности иммунитета по одному анализу крови

Наука и образование

Алгоритм ALICE определит способности иммунитета по одному анализу крови

Коллектив исследователей из России и Франции разработал статистический метод для анализа репертуара Т-клеточных рецепторов (ТКР). Его главная особенность и преимущество в том, что он позволяет связать набор ТКР конкретного человека с ответом его иммунитета на вакцинацию, терапию злокачественных опухолей, инфекции и аутоиммунные заболевания. Для анализа достаточно взять у пациента кровь лишь однажды, при этом его репертуар ТКР не нужно сравнивать с таковым у здоровых людей. Препринт научной статьи доступен на сайте biorXiv. Работа поддержана несколькими грантами, в том числе грантом РНФ.

Т-клеточные рецепторы находятся на поверхности Т-лимфоцитов и позволяют организму отвечать на присутствие различных чужеродных молекул, организмов и их отдельных клеток. Каждый ТКР собран из нескольких цепочек аминокислот, кодируемых различными генами, которые часто случайным образом меняют свой состав, поэтому разнообразие таких рецепторов очень велико. В отдельных лимфоцитах этот процесс происходит независимо, в результате чего в каждом человеке формируется практически уникальный и очень разнообразный репертуар рецепторов. Его можно определить у отдельно взятого человека с помощью секвенирования ДНК или РНК Т- и В-лимфоцитов (RepSeq), но данных о том, как конкретные варианты ТКР соотносятся с реакциями на различные заболевания, очень мало. Поэтому информация о репертуарах Т-клеточных рецепторов пациентов имеет крайне ограниченную клиническую ценность.

Авторы новой статьи разработали способ переводить массивы данных о ТКР в понятный медицине вид. Это подход к статистической обработке информации о репертуаре Т-клеточных рецепторов, названный ALICE — Antigen-specific Lymphocyte Identification by Clustering of Expanded sequences. Он позволяет определить, какие конкретно Т-клетки вовлечены в иммунные процессы, происходящие в организме в момент забора крови, и понять, на какие антигены они реагируют. Это возможно из-за того, что один и тот же антиген, как правило, распознается многими Т-клеточными рецепторами с очень похожими последовательностями. Несущие эти рецепторы Т-клетки активно делятся, чтобы бороться с инфекцией. Большинство из них попадает в небольшой образец крови, отбираемый для исследования репертуара. Алгоритм находит в репертуаре такие группы очень похожих Т-клеточных рецепторов, которые участвуют в иммунном ответе на один и тот же антиген.

Правильность «предсказаний» ALICE проверили на Т-клеточных репертуарах людей с самыми различными иммунными статусами. Среди них было аутоиммунное заболевание (анкилозирующий спондилоартрит, или болезнь Бехтерева), недавняя вакцинация против вируса желтой лихорадки (об исследовании репертуаров ТКР привитых людей тех же авторов «Чердак» уже писал) и иммунотерапия рака. Все эти состояния удалось с помощью ALICE достоверно отличить друг от друга и от случаев, когда донор крови здоров. Наборы ТКР отличаются даже у однояйцевых близнецов, поэтому алгоритм не путается в близких родственниках, даже если они страдают одним и тем же заболеванием.

Исследование показало, что достаточно одного образца крови, чтобы понять, клетки с какими ТКР на поверхности участвуют в ответе на тот или иной антиген. А это значит, что не нужно брать образцы Т-клеток у одного и того же человека несколько раз. Кроме того, для работы ALICE не требуется сравнивать репертуары ТКР больных с наборами ТКР здоровых. Этим алгоритм российских и французских ученых выгодного отличается от сходных разработок, в которых анализ индивидуальных репертуаров ТКР требует большого количества испытуемых и поэтому стоит дороже.

Авторы статьи считают, что разработанный ими алгоритм сортировки Т-клеточных рецепторов упростит создание эффективных вакцин: с ALICE будет понятно, какой процент различных ТКР отреагирует на антигены в потенциальной вакцине. Также он поможет определить, как организм пациента реагирует на иммунотерапию рака, и диагностировать различные инфекции и аутоиммунные заболевания.

Добавить комментарий

Ваш e-mail не будет опубликован. Обязательные поля помечены *