✖


Jump to content

Компьютерная иммунология

(Перенаправлено с Иммунокомпьютинга )

В кругах академических компьютерная иммунология — это область науки , которая включает в себя высокопроизводительные геномные и биоинформатические подходы к иммунологии . Основная цель этой области — преобразовать иммунологические данные в вычислительные задачи, решить эти проблемы с использованием математических и вычислительных подходов, а затем преобразовать эти результаты в иммунологически значимые интерпретации.

Введение

[ редактировать ]

Иммунная система — сложная система человеческого организма, и понимание ее — одна из самых сложных тем биологии. Иммунологические исследования важны для понимания механизмов, лежащих в основе защиты организма человека, а также для разработки лекарств от иммунологических заболеваний и поддержания здоровья. Недавние открытия в области геномных и протеомных технологий радикально изменили иммунологические исследования. Секвенирование человека и других модельных организмов геномов позволило получить все большие объемы данных, важных для иммунологических исследований, и в то же время огромные объемы функциональных и клинических данных публикуются в научной литературе и хранятся в клинических записях. Недавние достижения в области биоинформатики или вычислительной биологии помогли понять и систематизировать эти крупномасштабные данные и породили новую область, которая называется вычислительной иммунологией или иммуноинформатикой .

Вычислительная иммунология — это раздел биоинформатики, основанный на аналогичных концепциях и инструментах, таких как инструменты выравнивания последовательностей и прогнозирования структуры белков . Иммуномика — это дисциплина, подобная геномике и протеомике . Это наука, которая объединяет иммунологию с информатикой , математикой , химией и биохимией для крупномасштабного анализа функций иммунной системы. Он направлен на изучение сложных межбелковых взаимодействий и сетей и позволяет лучше понять иммунные реакции и их роль в нормальных, болезненных состояниях и состояниях восстановления. Компьютерная иммунология — раздел иммуномики, ориентированный на анализ крупномасштабных экспериментальных данных. [1] [2]

История

[ редактировать ]

Компьютерная иммунология началась более 90 лет назад с теоретического моделирования эпидемиологии малярии. В то время упор делался на использование математики для изучения передачи болезней. С тех пор эта область расширилась и теперь охватывает все другие аспекты процессов и заболеваний иммунной системы. [3]

Иммунологическая база данных

[ редактировать ]

После недавних достижений в технологиях секвенирования и протеомики во много раз увеличилось количество молекулярных и иммунологических данных. Данные настолько разнообразны, что их можно классифицировать в разных базах данных в зависимости от их использования в исследовании. имеется 31 различная иммунологическая база данных На данный момент в коллекции баз данных исследований нуклеиновых кислот (NAR) , которые приведены в следующей таблице, а также еще несколько баз данных, связанных с иммунитетом. [4] Информация, приведенная в таблице, взята из описаний баз данных в NAR Database Collection .

База данных Описание
База АЛПС База данных аутоиммунного лимфопролиферативного синдрома
АнтигенБД Последовательность, структура и другие данные об антигенах возбудителя. [5]
Антиген Количественные данные связывания пептидов и белков, представляющих иммунологический интерес. [6]
BCipep В этой базе данных хранится информация обо всех экспериментально определенных В-клеточных эпитопах антигенных белков. Это курируемая база данных, в которой собрана и обобщена подробная информация об эпитопах из опубликованной литературы и существующих баз данных. Он охватывает широкий спектр патогенных организмов, таких как вирусы, бактерии, простейшие и грибы. Каждая запись в базе данных предоставляет полную информацию об эпитопе В-клеток, включая аминокислотные последовательности, источник антигенного белка, иммуногенность, модельный организм и тест на выработку/нейтрализацию антител. [7]
дбМХК dbMHC обеспечивает доступ к последовательностям HLA, инструментам для поддержки генетического тестирования локусов HLA, частот аллелей и гаплотипов HLA более чем в 90 популяциях по всему миру, а также к наборам клинических данных по трансплантации гемопоэтических стволовых клеток и инсулинозависимому сахарному диабету (ИЗСД), ревматоидному артриту ( РА), нарколепсия и спондилоартропатия. Для получения дополнительной информации перейдите по этой ссылке http://www.oxfordjournals.org/nar/database/summary/604. [ постоянная мертвая ссылка ]
ЦИФРА База данных последовательностей иммуноглобулинов и интегрированные инструменты. [8]
ПЯТЬ FIMM — это интегрированная база данных функциональной молекулярной иммунологии, которая фокусируется на реакции Т-клеток на специфические для заболевания антигены. FIMM предоставляет полностью справочную информацию, интегрированную с инструментами поиска данных и анализа последовательностей по HLA, пептидам, эпитопам Т-клеток, антигенам и заболеваниям, и составляет основу будущих исследований в области компьютерной иммунологии. Данные об антигенных белках были обогащены более чем 27 000 последовательностями, полученными из неизбыточной базы данных SwissProt-TREMBL-TREMBL_NEW (SPTR) антигенов, сходных или родственных антигенам FIMM у различных видов, чтобы облегчить комплексный анализ консервативных или вариабельных эпитопов Т-клеток. [9]
Атлас экспрессии GPX-макрофагов Атлас экспрессии макрофагов GPX (GPX-MEA) — это онлайн-ресурс для исследований, основанных на экспрессии ряда типов клеток макрофагов после лечения патогенами и иммуномодуляторами. Атлас экспрессии макрофагов GPX (GPX-MEA) соответствует стандарту MIAME и включает объективную оценку качества для каждого эксперимента. Он уделяет особое внимание строгому отражению экспериментального плана и позволяет проводить статистический анализ данных экспрессии из различных экспериментов на микрочипах. Это первый пример сфокусированной базы данных экспрессии генов макрофагов, которая позволяет эффективно идентифицировать паттерны транскрипции, что дает новое понимание биологии этой клеточной системы. [10]
ХаптенДБ Это обширная база данных гаптеновых молекул. Это курируемая база данных, в которой информация собирается и компилируется из опубликованной литературы и веб-ресурсов. В настоящее время база данных содержит более 1700 записей, каждая из которых содержит подробную информацию о молекуле гаптена, включая: i) природу гаптена; ii) способы получения антигаптеновых антител; iii) информация о белке-носителе; iv) метод соединения; v) метод анализа (используемый для характеристики) и vi) специфичность антител. Haptendb охватывает широкий спектр гаптенов: от антибиотиков биомедицинского значения до пестицидов. Эта база данных будет очень полезна для изучения серологических реакций и продукции антител. [11]
HPTAA. Архивировано 21 сентября 2013 г. в Wayback Machine. HPTAA — это база данных потенциальных опухолеассоциированных антигенов, в которой используются данные об экспрессии с различных платформ экспрессии, включая тщательно отобранные общедоступные данные об экспрессии на микрочипах, данные GEO SAGE и данные об экспрессии Unigene. [12]
ИЭБР-3D Структурные данные в базе данных иммунных эпитопов. [13]
IL2Rgbase Х-сцепленные тяжелые комбинированные мутации иммунодефицита. [14]
IMGT. Архивировано 17 июля 2012 г. в Wayback Machine. IMGT представляет собой интегрированный ресурс знаний, специализирующийся на IG, TR, MHC, суперсемействе IG, суперсемействе MHC и родственных белках иммунной системы человека и других видов позвоночных. IMGTW включает в себя 6 баз данных, 15 онлайн-инструментов для анализа последовательностей, генов и трехмерных структур, а также более 10 000 страниц веб-ресурсов. Стандартизация данных, основанная на IMGT-ONTOLOGY, одобрена ВОЗ/IUIS. [15]
IMGT_GENE-DB IMGT/GENE-DB — это комплексная база данных геномов IMGT® для генов иммуноглобулинов (IG) и рецепторов Т-клеток (TR) человека и мыши, а также, в стадии разработки, других видов позвоночных (например, крысы). IMGT/GENE-DB является частью IMGT®, международной информационной системы ImMunoGeneTics®, высококачественного интегрированного ресурса знаний, специализирующегося на ИГ, ТР, главном комплексе гистосовместимости (MHC) человека и других видов позвоночных, а также родственных белках иммунной системы. системы (RPI), принадлежащие к суперсемейству иммуноглобулинов (IgSF) и суперсемейству MHC (MhcSF). [16]
ИМГТ/HLA В настоящее время существует более 1600 официально признанных аллелей HLA, и эти последовательности доступны научному сообществу через базу данных IMGT/HLA. В 1998 году база данных IMGT/HLA была опубликована. С тех пор база данных выросла и является основным источником информации для изучения последовательностей главного комплекса гистосовместимости человека. Первоначальная версия базы данных содержала отчеты об аллелях, инструменты выравнивания, инструменты отправки, а также подробные описания исходных клеток. База данных обновляется ежеквартально, все новые и подтверждающие последовательности передаются в Номенклатурный комитет ВОЗ, и в среднем в каждый ежеквартальный выпуск включается в среднем еще 75 новых и подтверждающих последовательностей. База данных IMGT/HLA предоставляет централизованный ресурс для всех, кто интересуется системой HLA как централизованно, так и периферийно. [17]
ИМГТ/ЛИГМ-БД IMGT/LIGM-DB — это комплексная база данных IMGT® нуклеотидных последовательностей иммуноглобулинов (IG) и рецепторов Т-клеток (TR) человека и других видов позвоночных с переводом полностью аннотированных последовательностей, созданная в 1989 году LIGM http://www .imgt.org/textes/IMGTinformation/LIGM.html ), Монпелье, Франция, в сети с июля 1995 года. IMGT/LIGM-DB — это первая и крупнейшая база данных IMGT®, международной информационной системы ImMunoGeneTics®, -качественный интегрированный ресурс знаний, специализирующийся на IG, TR, главном комплексе гистосовместимости (MHC) человека и других видов позвоночных, а также родственных белках иммунной системы (RPI), которые принадлежат к суперсемейству иммуноглобулинов (IgSF) и суперсемейству MHC (MhcSF). ). Данные последовательности IMGT/LIGM-DB идентифицируются по номеру доступа EMBL/GenBank/DDBJ. Уникальным источником данных для IMGT/LIGM-DB является EMBL, который обменивается данными с GenBank и DDBJ. [18]
База данных генов, стимулированных интерфероном Интерфероны (ИФН) представляют собой семейство многофункциональных цитокинов, которые активируют транскрипцию подмножества генов. Генные продукты, индуцированные ИФН, отвечают за противовирусные, антипролиферативные и иммуномодулирующие свойства этого цитокина. Чтобы получить более полное представление о генах, регулируемых интерферонами, мы использовали различные форматы микрочипов для идентификации более 400 генов, стимулируемых интерфероном (ISG). Чтобы облегчить распространение этих данных, мы составили базу данных, включающую ISG, распределенных по функциональным категориям. База данных полностью доступна для поиска и содержит ссылки на информацию о последовательностях и Unigene. База данных и данные массива доступны через Всемирную паутину по адресу ( http://www.lerner.ccf.org/labs/williams/ ). Мы намерены добавить опубликованные ISG-последовательности и те, которые были обнаружены в результате дальнейшего профилирования транскриптов, в базу данных, чтобы в конечном итоге составить полный список ISG.
IPD-ESTDAB База данных иммунополиморфизма (IPD) представляет собой набор специализированных баз данных, связанных с изучением полиморфных генов иммунной системы. IPD-ESTDAB представляет собой базу данных иммунологически охарактеризованных клеточных линий меланомы. База данных работает совместно с Европейской базой данных по линиям опухолевых клеток (ESTDAB), расположенной в Тюбингене, Германия, и предоставляет иммунологически охарактеризованные опухолевые клетки. [19] [20]
IPD-HPA - антигены тромбоцитов человека Антигены тромбоцитов человека представляют собой аллоантигены, экспрессируемые только на тромбоцитах, в частности на гликопротеинах мембран тромбоцитов. Эти тромбоцитарно-специфические антигены иммуногенны и могут вызывать патологические реакции на трансфузионную терапию. Раздел IPD-HPA содержит номенклатурную информацию и дополнительные справочные материалы об антигене тромбоцитов человека. Различные гены в системе HPA не были секвенированы на том же уровне, что и в некоторых других проектах, поэтому в настоящее время для определения аллелей используются только однонуклеотидные полиморфизмы (SNP). Эта информация представлена ​​в виде сетки SNP для каждого гена. Комитет по номенклатуре IPD и HPA надеется расширить ее, чтобы обеспечить полное выравнивание последовательностей, когда это возможно. [19] [20]
IPD-KIR - Иммуноглобулиноподобные рецепторы клеток-киллеров Иммуноглобулиноподобные рецепторы киллеров (KIR) являются членами суперсемейства иммуноглобулинов (IgSF), ранее называвшихся рецепторами, ингибирующими киллеры. Было показано, что KIR высоко полиморфны как на аллельном, так и на гаплотипическом уровне. Они состоят из двух или трех Ig-доменов, трансмембранной области и цитоплазматического хвоста, который, в свою очередь, может быть коротким (активаторным) или длинным (ингибирующим). Было показано, что лейкоцитарный рецепторный комплекс (LRC), который кодирует гены KIR, является полиморфным, полигенным и сложным, подобно MHC. База данных последовательностей IPD-KIR содержит самую свежую номенклатуру и сопоставления последовательностей. [19] [20]
ИПД-МХК Сообщалось о последовательностях MHC многих различных видов, а также о различных системах номенклатуры, используемых для наименования и идентификации новых генов и аллелей у каждого вида. Последовательности главного комплекса гистосовместимости у разных видов высоко консервативны между видами. Ожидается, что путем объединения работы различных номенклатурных комитетов и последовательностей разных видов будет предоставлен центральный ресурс, который будет способствовать дальнейшим исследованиям MHC каждого вида и их сравнению. Первый выпуск базы данных IPD-MHC включал работу групп, специализирующихся на приматах, кроме человека, собаках (DLA) и кошачьих (FLA), и включал все данные, ранее доступные в базе данных IMGT/MHC. Этот выпуск включал данные о пяти видах обезьян, шестнадцати видах обезьян Нового Света, семнадцати видах обезьян Старого Света, а также данные о различных собаках и кошках. С момента первого выпуска были добавлены последовательности крупного рогатого скота (BoLA), свиней (SLA) и крыс (RT1), а работа по включению последовательностей MHC кур и лошадей (ELA) все еще продолжается. [19] [20]
МХКБН MHCBN представляет собой обширную базу данных, содержащую более 23 000 последовательностей пептидов, аффинность связывания которых с молекулами MHC или TAP была исследована экспериментально. Это курируемая база данных, в которой записи собраны из опубликованной литературы и общедоступных баз данных. Каждая запись в базе данных предоставляет полную информацию, например (последовательность, ее специфичность связывания MHC или TAP, исходный белок) о пептиде, аффинность связывания которого (IC50) и активность Т-клеток определяется экспериментально. MHCBN имеет ряд веб-инструментов для анализа и поиска информации. Все записи базы данных связаны гиперссылками на основные базы данных, такие как SWISS-PROT, PDB, IMGT/HLA-DB, PubMed и OMIM, что позволяет предоставлять информацию, выходящую за рамки MHCBN. Текущая версия MHCBN содержит 1053 записи TAP-связывающих пептидов. В эту версию также включена информация о заболеваниях, связанных с различными аллелями MHC. [21]
МХКПЕП Эта база данных содержит список MHC-связывающих пептидов. [22]
МПИД-Т2 MPID-T2 ( https://web.archive.org/web/20120902154345/http://biolinfo.org/mpid-t2/ ) представляет собой тщательно курируемую базу данных, содержащую информацию о последовательностях, структуре и функциях взаимодействий MHC и пептидов. Он содержит все структуры белков главного комплекса гистосовместимости (MHC), содержащих связанные пептиды, с упором на структурную характеристику этих комплексов. Записи базы данных сгруппированы в полностью избыточные и неизбыточные категории. Взаимодействия MHC-пептид были представлены в виде набора последовательностей и структурных параметров, представляющих молекулярное узнавание. MPID облегчит разработку алгоритмов, позволяющих предсказать, будет ли заданная последовательность пептида связываться с определенной аллелью MHC. Данные MPID были отсортированы в первую очередь на основе класса MHC, затем по организму (источник MHC), затем по типу аллеля и, наконец, по длине пептида в связывающей канавке (пептидные остатки в пределах 5 Å от MHC). Данные о межмолекулярных водородных связях, объеме разрыва и индексе разрыва, доступные в MPID, предварительно рассчитываются, а площадь интерфейса, обусловленная образованием комплекса, рассчитывается на основе расчетов площади доступной поверхности. Доступные базы данных MHC-пептидов содержат информацию о последовательностях, а также о связывании (или его отсутствии) пептидных последовательностей. [23]
База данных MUGEN Mouse , заархивированная 12 ноября 2017 г. на Wayback Machine. Мышиные модели иммунных процессов и иммунологических заболеваний. [24]
Protegen. Архивировано 16 ноября 2012 г. в Wayback Machine. База данных и система анализа защитных антигенов. [25]
СуперХаптен SuperHapten — это база данных Hapten, курируемая вручную и объединяющая информацию из литературы и веб-ресурсов. Текущая версия базы данных объединяет 2D/3D структуры, физико-химические свойства и ссылки примерно для 7500 гаптенов и 25000 синонимов. Задокументирована коммерческая доступность около 6300 гаптенов и 450 родственных антител, что позволяет использовать экспериментальные подходы к перекрестной реактивности. Гаптены классифицируются по происхождению: пестициды, гербициды, инсектициды, лекарства, природные соединения и т. д. Запросы позволяют идентифицировать гаптены и связанные с ними антитела в соответствии с функциональным классом, белком-носителем, химическим каркасом, составом или структурным сходством. [26]
База данных иммунных эпитопов (IEDB) База данных иммунных эпитопов (IEDB, www.iedb.org) предоставляет каталог экспериментально охарактеризованных эпитопов В- и Т-клеток, а также данные по связыванию MHC и экспериментам по элюированию лиганда MHC. В базе данных представлены молекулярные структуры, распознаваемые рецепторами адаптивного иммунитета, а также экспериментальные условия, в которых эти молекулы были определены как иммунные эпитопы. Включены эпитопы, распознаваемые у людей, приматов, грызунов, свиней, кошек и всех других тестируемых видов. Фиксируются как положительные, так и отрицательные результаты экспериментов. В течение четырех лет данные 180 978 экспериментов собирались вручную из литературы, охватывая около 99% всей общедоступной информации о пептидных эпитопах, картированных в инфекционных агентах (исключая ВИЧ), и 93% картированных в аллергенах. [27]
ТмаДБ Для анализа выходных данных ТМА была разработана реляционная база данных (известная как TmaDB) для сопоставления всех аспектов информации, касающейся ТМА. Эти данные включают протокол построения ТМА, протокол экспериментов и результаты различных экспериментов по иммуноцитологическому и гистохимическому окрашиванию, включая отсканированные изображения для каждого из ядер ТМА. Кроме того, база данных содержит патологическую информацию, связанную с каждым из образцов на предметном стекле ТМА, расположением различных ТМА и отдельных блоков образцов (из которых были взяты керны) в лаборатории и их текущего статуса. TmaDB был разработан для включения и расширения многих опубликованных общих элементов данных и формата XML для экспериментов ТМА и, следовательно, совместим со спецификациями обмена данными ТМА, разработанными сообществом Ассоциации патологоанатомической информатики. [28]
VBASE2 VBASE2 представляет собой интегративную базу данных генов V зародышевой линии из локусов иммуноглобулинов человека и мыши. В нем представлены последовательности V-гена из базы данных EMBL и Ensembl вместе с соответствующими ссылками на исходные данные. Набор данных VBASE2 создается автоматически на основе поиска BLAST генов V по EMBL и набору данных Ensembl. Попадания BLAST оцениваются с помощью программы DNAPLOT, которая позволяет выравнивать и сравнивать последовательности иммуноглобулинов, распознавать RSS и анализировать V(D)J-перестановки. В результате оценки попадания BLAST записи VBASE2 классифицируются на 3 различных класса: класс 1 содержит последовательности, для которых известна геномная ссылка, и реаранжированная последовательность. Класс 2 содержит последовательности, которые не были обнаружены при перегруппировке, поэтому не имеют доказательств функциональности. Класс 3 содержит последовательности, которые были обнаружены в различных перегруппировках V(D)J, но не имеют геномной ссылки. Все последовательности VBASE2 сравниваются с наборами данных из баз данных VBASE, IMGT и KABAT (последние опубликованные версии), а соответствующие ссылки предоставляются в каждой записи последовательности VBASE2. Доступ к базе данных VBASE2 можно получить либо с помощью текстовой формы запроса, либо путем выравнивания последовательности с помощью программы DNAPLOT. DAS-сервер отображает набор данных VBASE2 в браузере Ensembl Genome и ссылается на базу данных. [29]
Воплощение Эпитом — это база данных всех известных антигенных остатков и антител, которые с ними взаимодействуют, включая подробное описание остатков, участвующих во взаимодействии, и их последовательности/структурного окружения. Каждая запись в базе данных описывает одно взаимодействие между остатком антигенного белка и остатком цепи антитела. Каждое взаимодействие описывается с использованием следующих параметров: идентификатор PDB, идентификатор антигенной цепи, положение PDB антигенного остатка, тип антигенного остатка и окружение его последовательности, состояние вторичной структуры антигенного остатка, доступность растворителя антигенного остатка, идентификатор цепи антитела, тип цепи антитела. (тяжелый или легкий), номер CDR, положение PDB остатка антитела, тип остатка антитела и окружение его последовательности. Кроме того, взаимодействия можно визуализировать с помощью интерфейса Jmol. [30]
ИммГен База данных консорциума Immunological Genome включает профили экспрессии для более чем 250 типов иммунных клеток мыши и несколько браузеров данных для изучения набора данных. [31]
ИммПорт ImmPort, портал базы данных и анализа иммунологии, представляет собой комплексную, тщательно курируемую и стандартизированную базу данных, содержащую более 400 общедоступных клинических и исследовательских исследований, финансируемых NIAID/DAIT (Национальные институты аллергии и инфекционных заболеваний/отдел аллергии, иммунологии и трансплантологии). . Общие данные включают метаданные исследования, более тридцати типов механистических анализов (например, проточную цитометрию, массовую цитометрию, ELISA, HAI, MBAA и т. д.), а также клинические оценки, лабораторные тесты и нежелательные явления. ImmPort — рекомендуемый репозиторий данных для Nature Scientific Data – Cytometry & Immunology и PLOS ONE. ImmPort также был награжден знаком CoreTrust Seal как надежное хранилище данных. Все общие данные доступны для скачивания. [32]

Интернет-ресурсы с информацией об аллергии также доступны на http://www.allergen.org . Такие данные ценны для изучения перекрестной реактивности между известными аллергенами и анализа потенциальной аллергенности белков. Структурная база данных белков-аллергенов (SDAP) хранит информацию об аллергенных белках. Онлайн- база данных Белковых аллергенов Программы исследований и ресурсов пищевой аллергии (FARRP) содержит последовательности известных и предполагаемых аллергенов, полученные из научной литературы и общедоступных баз данных. В Allergome особое внимание уделяется аннотации аллергенов, которые приводят к IgE-опосредованному заболеванию.

Инструменты

[ редактировать ]

Доступны и описаны различные вычислительные, математические и статистические методы. Эти инструменты полезны для сбора, анализа и интерпретации иммунологических данных. Они включают интеллектуальный анализ текста , [33] управление информацией, [34] [35] анализ последовательностей, анализ молекулярных взаимодействий и математические модели, которые позволяют проводить расширенное моделирование иммунной системы и иммунологических процессов. [36] [37] Предпринимаются попытки извлечь интересные и сложные закономерности из неструктурированных текстовых документов в иммунологической сфере. Например, категоризация информации о перекрестной реактивности аллергенов, [33] идентификация вариантов генов, связанных с раком, и классификация иммунных эпитопов.

Иммуноинформатика использует базовые инструменты биоинформатики, такие как ClustalW, [38] ВЗРЫВ, [39] и TreeView, а также специализированные инструменты иммуноинформатики, такие как EpiMatrix, [40] [41] IMGT/V-QUEST для анализа последовательностей IG и TR, IMGT/ Collier-de-Perles и IMGT/StructuralQuery. [42] для анализа вариабельной доменной структуры IG. [43] Методы, основанные на сравнении последовательностей, разнообразны и применяются для анализа консервативности последовательностей HLA, помогают проверить происхождение последовательностей вируса иммунодефицита человека (ВИЧ) и построить модели гомологии для анализа устойчивости полимеразы вируса гепатита B к ламивудину и эмтрицитабину.

Существуют также некоторые вычислительные модели, которые фокусируются на белок-белковых взаимодействиях и сетях. Существуют также инструменты, которые используются для картирования эпитопов Т- и В-клеток, предсказания сайта протеасомного расщепления и предсказания TAP-пептида. [44] Экспериментальные данные очень важны для разработки и обоснования моделей прогнозирования различных молекулярных мишеней. Инструменты вычислительной иммунологии — это игра между экспериментальными данными и математически разработанными вычислительными инструментами.

Приложения

[ редактировать ]

Аллергия

[ редактировать ]

Аллергия , хотя и является важной темой иммунологии, также значительно различается у разных людей, а иногда даже у генетически схожих людей. Оценка аллергенного потенциала белков фокусируется на трех основных аспектах: (i) иммуногенность; (ii) перекрестная реактивность; и (iii) клинические симптомы. [45] Иммуногенность обусловлена ​​ответами IgE В-клеток, продуцирующих антитела , и/или Т-клеток на конкретный аллерген . Поэтому исследования иммуногенности сосредоточены главным образом на выявлении сайтов узнавания В-клетками и Т-клетками аллергенов. Трехмерные структурные свойства аллергенов контролируют их аллергенность.

Использование инструментов иммуноинформатики может быть полезно для прогнозирования аллергенности белков и будет становиться все более важным при проверке новых продуктов питания перед их широкомасштабным выпуском для использования человеком. Таким образом, предпринимаются серьезные усилия по созданию надежных обширных баз данных по аллергиям и объединению их с хорошо проверенными инструментами прогнозирования, чтобы обеспечить идентификацию потенциальных аллергенов в генетически модифицированных лекарствах и продуктах питания. Хотя разработки находятся на начальной стадии, Всемирная организация здравоохранения и Продовольственная и сельскохозяйственная организация предложили рекомендации по оценке аллергенности генетически модифицированных продуктов. Согласно Кодексу Алиментариус , [46] Белок является потенциально аллергенным, если он обладает идентичностью ≥6 смежных аминокислот или ≥35% сходства последовательностей в окне из 80 аминокислот с известным аллергеном. Хотя правила существуют, их присущие ограничения начали становиться очевидными, а исключения из правил широко известны. [47]

Инфекционные заболевания и реакции хозяина

[ редактировать ]

При изучении инфекционных заболеваний и реакций организма человека большую помощь оказывают математические и компьютерные модели. Эти модели оказались очень полезными для характеристики поведения и распространения инфекционных заболеваний благодаря пониманию динамики патогена в организме хозяина и механизмов факторов хозяина, которые способствуют персистенции патогена. Примеры включают Plasmodium falciparum. [48] и заражение нематодами жвачных животных. [49]

Многое было сделано для понимания иммунных реакций на различные патогены путем интеграции геномики.и протеомика со стратегиями биоинформатики. В настоящее время происходит множество интересных разработок в области крупномасштабного скрининга патогенов. Национальный институт аллергии и инфекционных заболеваний (NIAID) инициировал попытку систематического картирования эпитопов B- и T-клеток патогенов категории AC. К этим возбудителям относятся Bacillus anthracis (сибирская язва), Clostridium botulinum токсин (ботулизм), большая оспа (оспа), Francisco tularensis (туляремия), вирусные геморрагические лихорадки, Burkholderia pseudomallei , энтеротоксин стафилококка B, желтая лихорадка, грипп, бешенство, вирус Чикунгунья и др. Сообщалось о системах, основанных на правилах, для автоматического извлечения и обработки записей о гриппе А. [50]

Эта разработка приведет к разработке алгоритма, который поможет идентифицировать консервативные области последовательностей патогенов и, в свою очередь, будет полезен для разработки вакцин. Это поможет ограничить распространение инфекционных заболеваний. Примеры включают метод идентификации мишеней вакцины по белковым областям консервативного связывания HLA. [51] и компьютерная оценка перекрестной реактивности антител широкого нейтрализующего действия против вирусных патогенов. [52] Эти примеры иллюстрируют возможности применения иммуноинформатики в решении сложных проблем общественного здравоохранения. Иммуноинформатика может значительно ускорить процесс открытия и потенциально сократить время, необходимое для разработки вакцины. Инструменты иммуноинформатики были использованы для разработки вакцины против SARS-CoV-2. [53] Вирус денге [54] и Лейшмания. [55]

Функция иммунной системы

[ редактировать ]

Используя эту технологию, можно узнать модель иммунной системы. Его использовали для моделирования подавления, опосредованного Т-клетками, [56] периферическая миграция лимфоцитов, [57] Т-клеточная память, [58] толерантность, [59] функция тимуса, [60] и сети антител. [61] Модели полезны для прогнозирования динамики токсичности патогенов и памяти Т-клеток в ответ на различные стимулы. Существует также несколько моделей, которые помогают понять природу специфичности иммунной сети и иммуногенности.

Например, было полезно изучить функциональную взаимосвязь между транспортом пептида TAP и презентацией антигена HLA класса I. [62] TAP представляет собой трансмембранный белок, ответственный за транспорт антигенных пептидов в эндоплазматический ретикулум, где молекулы MHC класса I могут связывать их и презентировать Т-клеткам. Поскольку TAP не связывает все пептиды одинаково, аффинность связывания TAP может влиять на способность конкретного пептида получать доступ к пути MHC класса I. Искусственная нейронная сеть (ИНС), компьютерная модель, использовалась для изучения связывания пептида с TAP человека и его взаимосвязи со связыванием MHC класса I. С использованием этого метода было обнаружено, что сродство HLA-связывающих пептидов к TAP различается в зависимости от рассматриваемого супертипа HLA. Это исследование может иметь важные последствия для разработки иммунотерапевтических препаратов и вакцин на основе пептидов. Это показывает силу подхода моделирования для понимания сложных иммунных взаимодействий. [62]

Существуют также методы, которые объединяют инструменты прогнозирования пептидов с компьютерным моделированием, которые могут предоставить подробную информацию о динамике иммунного ответа, специфичного для пептидов данного патогена. . [63]

Раковая информатика

[ редактировать ]

Рак является результатом соматических мутаций, которые обеспечивают раковым клеткам преимущество избирательного роста. В последнее время стало очень важно определить новые мутации. Методы геномики и протеомики используются во всем мире для выявления мутаций, связанных с каждым конкретным раком и его лечением. Вычислительные инструменты используются для прогнозирования роста и поверхностных антигенов раковых клеток. Существуют публикации, объясняющие таргетный подход к оценке мутаций и риска развития рака. Алгоритм CanPredict использовался для определения того, насколько конкретный ген похож на известные гены, вызывающие рак. [64] Иммунологии рака придается такое большое значение, что количество связанных с ней данных быстро растет. Сети белок-белкового взаимодействия предоставляют ценную информацию о онкогенезе у человека. Раковые белки имеют топологию сети, отличную от нормальных белков в интерактоме человека. [65] [66] Иммуноинформатика оказалась полезной для повышения успеха вакцинации против опухолей. Недавно были проведены новаторские работы по анализу динамики иммунной системы хозяина в ответ на искусственный иммунитет, индуцированный стратегиями вакцинации. [67] [68] [69] Другие инструменты моделирования используют предсказанные раковые пептиды для прогнозирования иммунных специфических противораковых реакций, которые зависят от указанного HLA. [37] Эти ресурсы, вероятно, значительно вырастут в ближайшем будущем, и иммуноинформатика станет основной областью роста в этой области.

См. также

[ редактировать ]

Ссылки

[ редактировать ]
  1. ^ Тонг Дж.К., Рен ЕС (июль 2009 г.). «Иммуноинформатика: современные тенденции и будущие направления» . Препарат Дисков. Сегодня . 14 (13–14): 684–9. дои : 10.1016/j.drudis.2009.04.001 . ПМЦ   7108239 . ПМИД   19379830 .
  2. ^ Корбер Б., ЛаБут М., Юсим К. (июнь 2006 г.). «Иммуноинформатика достигает совершеннолетия» . ПЛОС Компьютер. Биол . 2 (6): е71. Бибкод : 2006PLSCB...2...71K . дои : 10.1371/journal.pcbi.0020071 . ПМЦ   1484584 . ПМИД   16846250 .
  3. ^ Росс, Р. (1 февраля 1916 г.). «Применение теории вероятностей к изучению априорной патометрии. Часть I» . Труды Королевского общества А. 92 (638): 204–230. Бибкод : 1916RSPSA..92..204R . дои : 10.1098/rspa.1916.0007 .
  4. ^ Оксфордские журналы | Науки о жизни | Исследования нуклеиновых кислот | Категории сводных документов по базе данных
  5. ^ Ансари Х.Р., Флауэр Д.Р., Рагхава Г.П. (январь 2010 г.). «AntigenDB: иммуноинформационная база данных антигенов патогенов» . Нуклеиновые кислоты Рез . 38 (Проблема с базой данных): D847–53. дои : 10.1093/нар/gkp830 . ПМК   2808902 . ПМИД   19820110 .
  6. ^ Тоузленд С.П., Клейтон Д.Д., МакСпаррон Х. и др. (октябрь 2005 г.). «AntiJen: база данных количественной иммунологии, объединяющая функциональные, термодинамические, кинетические, биофизические и клеточные данные» . Иммунные исследования . 1 (1): 4. дои : 10.1186/1745-7580-1-4 . ПМК   1289288 . ПМИД   16305757 .
  7. ^ Саха С., Бхасин М., Рагхава Г.П. (2005). «Bcipep: база данных эпитопов B-клеток» . БМК Геномика . 6 (1): 79. дои : 10.1186/1471-2164-6-79 . ПМЦ   1173103 . ПМИД   15921533 .
  8. ^ Чайлян А., Трамонтано А., Маркатили П. (январь 2012 г.). «База данных иммуноглобулинов со встроенными инструментами: ЦИФРА» . Нуклеиновые кислоты Рез . 40 (проблема с базой данных): D1230–4. дои : 10.1093/nar/gkr806 . ПМК   3245095 . ПМИД   22080506 .
  9. ^ Шенбах С., Ко Дж.Л., Флауэр Д.Р., Вонг Л., Брусик В. (январь 2002 г.). «FIMM, база данных функциональной молекулярной иммунологии: обновление 2002 г.» . Нуклеиновые кислоты Рез . 30 (1): 226–9. дои : 10.1093/нар/30.1.226 . ПМК   99079 . ПМИД   11752300 .
  10. ^ Граймс Г.Р., Муди С., Битти Дж.С. и др. (2005). «Атлас экспрессии GPX-макрофагов: база данных профилей экспрессии макрофагов, пораженных различными провоспалительными, противовоспалительными, доброкачественными и патогенными поражениями» . БМК Геномика . 6 : 178. дои : 10.1186/1471-2164-6-178 . ПМК   1351201 . ПМИД   16343346 .
  11. ^ Сингх М.К., Шривастава С., Рагхава Г.П., Варшни Г.К. (январь 2006 г.). «HaptenDB: обширная база данных гаптенов, белков-носителей и антигаптеновых антител» . Биоинформатика . 22 (2): 253–5. doi : 10.1093/биоинформатика/bti692 . ПМИД   16443637 .
  12. ^ Ван X, Чжао Х, Сюй Ц и др. (январь 2006 г.). «База данных HPtaa — потенциальные гены-мишени для клинической диагностики и иммунотерапии рака человека» . Нуклеиновые кислоты Рез. 34 (Проблема с базой данных): D607–12. дои : 10.1093/nar/gkj082 . ПМЦ   1347445 . ПМИД   16381942 .
  13. ^ Пономаренко Дж., Папангелопулос Н., Зайонц Д.М., Петерс Б., Сетте А., Борн П.Е. (январь 2011 г.). «IEDB-3D: структурные данные в базе данных иммунных эпитопов» . Нуклеиновые кислоты Рез . 39 (Проблема с базой данных): D1164–70. дои : 10.1093/nar/gkq888 . ПМК   3013771 . ПМИД   21030437 .
  14. ^ Пак Дж. М. (ноябрь 1996 г.). «IL2RGbase: база данных дефектов гамма-c-цепи, вызывающих X-SCID человека». Иммунол. Сегодня . 17 (11): 507–11. дои : 10.1016/0167-5699(96)30062-5 . ПМИД   8961626 .
  15. ^ Депутат Лефранка (январь 2001 г.). «IMGT, международная база данных ImMunoGeneTics» . Нуклеиновые кислоты Рез . 29 (1): 207–9. дои : 10.1093/нар/29.1.207 . ПМК   29797 . ПМИД   11125093 .
  16. ^ Джудичелли В., Шоме Д., член парламента Лефранка (январь 2005 г.). «IMGT/GENE-DB: обширная база данных генов иммуноглобулинов человека и мыши и рецепторов Т-клеток» . Нуклеиновые кислоты Рез . 33 (Проблема с базой данных): D256–61. дои : 10.1093/nar/gki010 . ПМК   539964 . ПМИД   15608191 .
  17. ^ Робинсон Дж., Малик А., Пархэм П., Бодмер Дж.Г., Марш С.Г. (март 2000 г.). «База данных IMGT/HLA — база данных последовательностей главного комплекса гистосовместимости человека» . Тканевые антигены . 55 (3): 280–7. дои : 10.1034/j.1399-0039.2000.550314.x . ПМК   29780 . ПМИД   10777106 .
  18. ^ Джудичелли В., Дюру П., Жинесту С. и др. (январь 2006 г.). «IMGT/LIGM-DB, комплексная база данных IMGT нуклеотидных последовательностей иммуноглобулинов и рецепторов Т-клеток» . Нуклеиновые кислоты Рез . 34 (Проблема с базой данных): D781–4. дои : 10.1093/nar/gkj088 . ПМЦ   1347451 . ПМИД   16381979 .
  19. ^ Jump up to: а б с д Робинсон Дж., Мистри К., МакВильям Х., Лопес Р., Марш С.Г. (январь 2010 г.). «IPD — база данных иммунополиморфизма» . Нуклеиновые кислоты Рез . 38 (Проблема с базой данных): D863–9. дои : 10.1093/nar/gkp879 . ПМК   2808958 . ПМИД   19875415 .
  20. ^ Jump up to: а б с д Робинсон Дж., Уоллер М.Дж., Фэйл СК, Марш С.Г. (декабрь 2006 г.). «Базы данных IMGT/HLA и IPD» . Хм. Мутат . 27 (12): 1192–9. дои : 10.1002/humu.20406 . ПМИД   16944494 . S2CID   42119780 .
  21. ^ Бхасин М., Сингх Х., Рагхава Г.П. (март 2003 г.). «MHCBN: обширная база данных MHC-связывающих и несвязывающих пептидов» . Биоинформатика . 19 (5): 665–6. doi : 10.1093/биоинформатика/btg055 . ПМИД   12651731 .
  22. ^ Брусик В., Руди Дж., Харрисон Л.С. (сентябрь 1994 г.). «MHCPEP: база данных MHC-связывающих пептидов» . Исследования нуклеиновых кислот . 22 (17): 3663–5. дои : 10.1093/нар/22.17.3663 . ПМК   308338 . ПМИД   7937075 .
  23. ^ Хан Дж. М., Черуку Х. Р., Тонг Дж. К., Ранганатан С. (апрель 2011 г.). «MPID-T2: база данных для анализа последовательностей-структур-функций структур pMHC и TR/pMHC» . Биоинформатика . 27 (8): 1192–3. doi : 10.1093/биоинформатика/btr104 . ПМИД   21349870 .
  24. ^ Айдинис В., Чандрас С., Манолукос М. и др. (январь 2008 г.). «База данных мышей MUGEN; животные модели иммунологических заболеваний человека» . Нуклеиновые кислоты Рез . 36 (Проблема с базой данных): D1048–54. дои : 10.1093/nar/gkm838 . ПМК   2238830 . ПМИД   17932065 .
  25. ^ Ян Б., Сэйерс С., Сян З., Хэ Й. (январь 2011 г.). «Protegen: веб-база данных и система анализа защитных антигенов» . Нуклеиновые кислоты Рез . 39 (Проблема с базой данных): D1073–8. дои : 10.1093/nar/gkq944 . ПМК   3013795 . ПМИД   20959289 .
  26. ^ Гюнтер С., Хемпель Д., Дункель М., Ротер К., Прейсснер Р. (январь 2007 г.). «SuperHapten: обширная база данных малых иммуногенных соединений» . Нуклеиновые кислоты Рез . 35 (Проблема с базой данных): D906–10. дои : 10.1093/nar/gkl849 . ПМЦ   1669746 . ПМИД   17090587 .
  27. ^ Сетте, А. и др. База данных иммунных эпитопов и ресурс для анализа. Распознавание образов в биоинформатике, Proceedings 4146, 126–132 (2006).
  28. ^ Шарма-Оутс А., Квирк П., Вестхед Д.Р. (2005). «TmaDB: хранилище данных тканевых микрочипов» . БМК Биоинформатика . 6 : 218. дои : 10.1186/1471-2105-6-218 . ПМЦ   1215475 . ПМИД   16137321 .
  29. ^ Реттер И, Альтхаус Х.Х., Мюнх Р., Мюллер В. (январь 2005 г.). «VBASE2, интегративная база данных генов V» . Нуклеиновые кислоты Рез . 33 (Проблема с базой данных): D671–4. дои : 10.1093/nar/gki088 . ПМК   540042 . ПМИД   15608286 .
  30. ^ Шлезингер А., Офран Ю., Яхдав Г., Рост Б. (январь 2006 г.). «Эпитом: база данных антигенных эпитопов с предполагаемой структурой» . Нуклеиновые кислоты Рез . 34 (Проблема с базой данных): D777–80. дои : 10.1093/nar/gkj053 . ПМЦ   1347416 . ПМИД   16381978 .
  31. ^ Йойич В; Шей Т; Сильвия К; Зук О; Солнце Х; Кан Дж; Регев А; Коллер Д; Консорциум проекта иммунологического генома (июнь 2013 г.). «Идентификация регуляторов транскрипции в иммунной системе мышей» . Природная иммунология . 14 (6): 633–643. дои : 10.1038/ni.2587 . ПМК   3690947 . ПМИД   23624555 .
  32. ^ Бхаттачарья С; Данн П; Томас К.Г.; Смит Б; Шефер Х; Чен Дж; Ху Цзы; Залоцкий К.А.; Шанкар Р.Д.; Залоцкий К.А.; Шен-Орр СС; Томсон Э; Уайзер Дж; Бьютт Эй Джей (февраль 2018 г.). «ImmPort: к перепрофилированию данных иммунологических анализов открытого доступа для трансляционных и клинических исследований» . Научные данные . 5 : 180015. Бибкод : 2018NatSD...580015B . дои : 10.1038/sdata.2018.15 . ПМК   5827693 . ПМИД   29485622 .
  33. ^ Jump up to: а б Миотто О, Тан Т.В., Брусич В. (2005). «Поддержка курирования биологических баз данных с помощью многоразового анализа текста». Геном Информ . 16 (2): 32–44. ПМИД   16901087 .
  34. ^ Макдональд Р., Скотт Уинтерс Р., Анкуда С.К. и др. (сентябрь 2006 г.). «Автоматизированная процедура идентификации биомедицинских изделий, содержащих варианты генов, связанных с раком» . Хм. Мутат. (Представлена ​​рукопись). 27 (9): 957–64. дои : 10.1002/humu.20363 . ПМИД   16865690 . S2CID   3230776 .
  35. ^ Ван П., Морган А.А., Чжан К., Сетте А., Питерс Б. (2007). «Автоматическая классификация документов для базы данных иммунных эпитопов» . БМК Биоинформатика . 8 : 269. дои : 10.1186/1471-2105-8-269 . ЧВК   1965490 . ПМИД   17655769 .
  36. ^ Палладини А, Николетти Г, Паппалардо Ф, Мурго А, Гроссо В, Стивани В, Янзано МЛ, Антоньоли А, Крочи С, Ландуцци Л, Де Джованни С, Нанни П, Мотта С, Лоллини ПЛ (октябрь 2010 г.). «Моделирование in silico и эффективность вакцин для профилактики рака in vivo» . Исследования рака . 70 (20): 7756–63. дои : 10.1158/0008-5472.CAN-10-0701 . ПМИД   20924100 .
  37. ^ Jump up to: а б Вельке А.Л., фон Эйхборн Дж., Мургейтио М.С., Уорт К.Л., Кастильоне Ф., Прейсснер Р. (2011). «Развитие потенциалов иммуноспецифического взаимодействия и их применение в мультиагентной системе вакцинации» . ПЛОС ОДИН . 6 (8): e23257. Бибкод : 2011PLoSO...623257W . дои : 10.1371/journal.pone.0023257 . ПМК   3157361 . ПМИД   21858048 .
  38. ^ Томпсон Дж.Д., Хиггинс Д.Г., Гибсон Т.Дж. (ноябрь 1994 г.). «CLUSTAL W: повышение чувствительности прогрессивного множественного выравнивания последовательностей за счет взвешивания последовательностей, штрафов за пробелы для конкретной позиции и выбора весовой матрицы» . Нуклеиновые кислоты Рез . 22 (22): 4673–80. дои : 10.1093/нар/22.22.4673 . ПМЦ   308517 . ПМИД   7984417 .
  39. ^ Альтшул С.Ф., Мэдден Т.Л., Шеффер А.А. и др. (сентябрь 1997 г.). «Gapped BLAST и PSI-BLAST: новое поколение программ поиска по базам данных белков» . Нуклеиновые кислоты Рез . 25 (17): 3389–402. дои : 10.1093/нар/25.17.3389 . ПМК   146917 . ПМИД   9254694 .
  40. ^ Эльфаки, Мэн (24 августа 2012 г.). «Иммуногенность и иммуномодулирующее действие предсказанных in silico пептидных вакцин-кандидатов L. donovani» . Человеческие вакцины и иммунотерапия . 8 (12): 1769–74. дои : 10.4161/hv.21881 . ПМК   3656064 . ПМИД   22922767 .
  41. ^ Де Гроот, А.С.; и др. (март 2005 г.). «Разработка вакцины против ВИЧ с помощью компьютерного проектирования: вакцина GAIA». Вакцина . 23 (17–18): 2136–48. doi : 10.1016/j.vaccine.2005.01.097 . ПМИД   15755584 .
  42. ^ Каас, К. и Лефранк, М. IMGT Кольерс де Перль: Стандартизированные представления структуры последовательности доменов суперсемейства IgSF и MheSF. Текущая биоинформатика 2, 21–30 (2007).
  43. ^ Броше X, депутат Лефранка, Джудичелли V (июль 2008 г.). «IMGT/V-QUEST: индивидуально настраиваемая и интегрированная система для стандартизированного анализа последовательностей VJ и VDJ IG и TR» . Нуклеиновые кислоты Рез . 36 (проблема с веб-сервером): W503–8. дои : 10.1093/нар/gkn316 . ПМЦ   2447746 . ПМИД   18503082 .
  44. ^ Монтаньес Р., Навас-Дельгадо И., Медина М.А., Альдана-Монтес Х.Ф., Санчес-Хименес Ф. (декабрь 2006 г.). «Информационная интеграция белок-белковых взаимодействий как важный инструмент иммунологии». Клетка. Иммунол . 244 (2): 84–6. дои : 10.1016/j.cellimm.2006.12.008 . ПМИД   17442285 .
  45. ^ Ольшлагер С., Рис П., Браун А. и др. (декабрь 2001 г.). «Пищевая аллергия - к прогнозному тестированию новых продуктов». Пищевая добавка Contam . 18 (12): 1099–107. дои : 10.1080/02652030110050131 . ПМИД   11761121 . S2CID   19768067 .
  46. ^ CODEX Alimentarius: Главная
  47. ^ Ли К.Б., Иссак П., Кришнан А. (ноябрь 2004 г.). «Прогнозирование аллергенных белков с помощью вейвлет-преобразования» . Биоинформатика . 20 (16): 2572–8. doi : 10.1093/биоинформатика/bth286 . ПМИД   15117757 .
  48. ^ ван Ноорт С.П., Нуньес М.К., Уидалл Г.Д., Хвиид Л., Гомес М.Г. (2010). «Иммунный отбор и конкуренция внутри хозяина могут структурировать репертуар вариантов поверхностных антигенов у Plasmodium falciparum — математическая модель» . ПЛОС ОДИН . 5 (3): e9778. Бибкод : 2010PLoSO...5.9778V . дои : 10.1371/journal.pone.0009778 . ПМЦ   2842302 . ПМИД   20339540 .
  49. ^ Чан М.С., Ишам В.С. (август 1998 г.). «Стохастическая модель иммуноэпидемиологии шистосомоза». Математические бионауки . 151 (2): 179–98. дои : 10.1016/S0025-5564(98)10014-7 . ПМИД   9711049 .
  50. ^ Миотто О, Тан Т.В., Брусич В. (2008). «Агрегация знаний на основе правил для крупномасштабного анализа последовательностей белков вирусов гриппа А» . БМК Биоинформатика . 9 (Приложение 1): S7. дои : 10.1186/1471-2105-9-S1-S7 . ПМК   2259408 . ПМИД   18315860 .
  51. ^ Олсен Л.Р., Саймон С., Кудал У.Дж., Баггер Ф.О., Винтер О., Рейнхерц Э.Л., Чжан Г.Л., Брусич В. (2015). «Вычислительный метод идентификации мишеней вакцины из белковых областей консервативного связывания антигена лейкоцитов человека» . BMC Медицинская Геномика . 8(Дополнение 4) (S1): S1. дои : 10.1186/1755-8794-8-S4-S1 . ПМЦ   4682376 . ПМИД   26679766 .
  52. ^ Сунь Дж., Кудаль У.Дж., Саймон С., Цао З., Рейнхерц Э.Л., Брусич В. (2014). «Крупномасштабный анализ эпитопов B-клеток на гемагглютинине вируса гриппа - значение перекрестной реактивности нейтрализующих антител» . Границы в иммунологии . 5 (38): 38. дои : 10.3389/fimmu.2014.00038 . ПМЦ   3916768 . ПМИД   24570677 .
  53. ^ Рахман, Нур; Али, Фавад; Башарат, Заррин; Шехроз, Мухаммед; Хан, Мухаммад Казим; Жанде, Филипп; Неповимова, Евгения; Куча, Камил; Хан, Харун (28 июля 2020 г.). «Разработка вакцины на основе ансамбля поверхностных гликопротеиновых эпитопов SARS-CoV-2: иммуноинформатический подход» . Вакцина . 8 (3): 423. doi : 10.3390/vaccines8030423 . ISSN   2076-393X . ПМК   7565012 . ПМИД   32731461 .
  54. ^ Али М., Пандей Р.К., Хатун Н., Нарула А., Мишра А., Праджапати В.К. (2017). «Исследование генома денге для создания субъединичной вакцины на основе мультиэпитопов с использованием иммуноинформационного подхода для борьбы с инфекцией денге» . Научные отчеты . 7 (1): 9232. Бибкод : 2017НатСР...7.9232А . doi : 10.1038/s41598-017-09199-w . ПМК   5569093 . ПМИД   28835708 .
  55. ^ Хатун Н., Пандей Р.К., Праджапати В.К. (2017). «Изучение секреторных белков Leishmania для разработки мультиэпитопной субъединичной вакцины В- и Т-клеток с использованием иммуноинформатического подхода» . Научные отчеты . 7 (1): 8285. Бибкод : 2017НатСР...7.8285К . дои : 10.1038/s41598-017-08842-w . ПМЦ   5557753 . ПМИД   28811600 .
  56. ^ Леон К., Перес Р., Лаге А., Карнейро Дж. (ноябрь 2000 г.). «Моделирование опосредованного Т-клетками подавления, зависящего от взаимодействий в многоклеточных конъюгатах». Дж. Теория. Биол. 207 (2): 231–54. Бибкод : 2000JThBi.207..231L . дои : 10.1006/jtbi.2000.2169 . ПМИД   11034831 .
  57. ^ Шрикусаланукул В., Де Брюйне Ф., МакКалла П. (июнь 2000 г.). «Моделирование миграции периферических лимфоцитов: подход к системной идентификации». Иммунол. Клеточная Биол . 78 (3): 288–93. дои : 10.1046/j.1440-1711.2000.00907.x . ПМИД   10849118 . S2CID   9034528 .
  58. ^ Джейкоб Дж., Балтимор Д. (июнь 1999 г.). «Моделирование Т-клеточной памяти путем генетической маркировки Т-клеток памяти in vivo». Природа . 399 (6736): 593–7. Бибкод : 1999Natur.399..593J . дои : 10.1038/21208 . ПМИД   10376601 . S2CID   12567134 .
  59. ^ Долезал Дж., Храба ​​Т. (1988). «Вклад в математическое моделирование иммунологической толерантности». Арх. Иммунол. Там. Эксп. (Варш.) . 36 (1): 23–30. ПМИД   3266071 .
  60. ^ Мехр Р., Сигел Л., Шарп А., Глоберсон А. (октябрь 1994 г.). «Колонизация тимуса предшественниками Т-клеток: модели межклеточных взаимодействий» . Дж. Теория. Биол . 170 (3): 247–57. Бибкод : 1994JThBi.170..247M . дои : 10.1006/jtbi.1994.1185 . ПМИД   7996854 .
  61. ^ Фаро Дж., Карнейро Дж., Веласко С. (февраль 1997 г.). «Дальнейшие исследования по проблеме моделирования иммунной сети». Дж. Теория. Биол . 184 (4): 405–21. Бибкод : 1997JThBi.184..405F . дои : 10.1006/jtbi.1996.0252 . ПМИД   9082072 .
  62. ^ Jump up to: а б Брусик В., ван Эндерт П., Железников Дж., Дэниел С., Хаммер Дж., Петровский Н. (1999). «Подход нейросетевой модели к исследованию человеческого TAP-транспортера» . В Силико Биол. (Герукт) . 1 (2): 109–21. ПМИД   11471244 .
  63. ^ Рапин Н., Лунд О., Бернаски М., Кастильоне Ф. (2010). «Вычислительная иммунология встречается с биоинформатикой: использование инструментов прогнозирования молекулярного связывания при моделировании иммунной системы» . ПЛОС ОДИН . 5 (4): e9862. Бибкод : 2010PLoSO...5.9862R . дои : 10.1371/journal.pone.0009862 . ПМЦ   2855701 . ПМИД   20419125 .
  64. ^ Каминкер Дж. С., Чжан Ю, Ватанабэ С, Чжан З (июль 2007 г.). «CanPredict: вычислительный инструмент для прогнозирования миссенс-мутаций, связанных с раком» . Нуклеиновые кислоты Рез . 35 (проблема с веб-сервером): W595–8. дои : 10.1093/нар/gkm405 . ЧВК   1933186 . ПМИД   17537827 .
  65. ^ Йонссон П.Ф., Бейтс П.А. (сентябрь 2006 г.). «Глобальные топологические особенности раковых белков в интерактоме человека» . Биоинформатика . 22 (18): 2291–7. doi : 10.1093/биоинформатика/btl390 . ПМЦ   1865486 . ПМИД   16844706 .
  66. ^ Сунь Дж, Чжао З (2010). «Сравнительное исследование раковых белков в сети белок-белкового взаимодействия человека» . БМК Геномика . 11 (Дополнение 3): S5. дои : 10.1186/1471-2164-11-S3-S5 . ПМК   2999350 . ПМИД   21143787 .
  67. ^ Палладини А., Николетти Г., Паппалардо Ф., Мурго А., Гроссо В., Янзано М.Л., Антоньоли А., Крочи С., Ландуцци Л., Де Джованни С., Нанни П., Мотта С., Лоллини П.Л. (2010). «Моделирование in silico и эффективность вакцин для профилактики рака in vivo» . Исследования рака . 70 (20): 7755–63. дои : 10.1158/0008-5472.CAN-10-0701 . ПМИД   20924100 .
  68. ^ Паппалардо Ф, Фореро И.М., Пенниси М., Палазон А., Мелеро И., Мотта С. (2011). «Моделирование индуцированного ответа иммунной системы против B16-меланомы» . ПЛОС ОДИН . 6 (10): e26523. дои : 10.1371/journal.pone.0026523 . ПМК   3197530 . ПМИД   22028894 .
  69. ^ Паппалардо Ф, Пенниси М, Рикупито А, Топпуто Ф, Беллоне М (2014). «Индукция Т-клеточной памяти с помощью дендритноклеточной вакцины: вычислительная модель» (PDF) . Биоинформатика . 30 (13): 1884–91. doi : 10.1093/биоинформатика/btu059 . ПМИД   24603984 .
[ редактировать ]
Retrieved from "https://en.wikipedia.org/w/index.php?title=Computational_immunology&oldid=1197546644"
Arc.Ask3.Ru: конец переведенного документа.
Arc.Ask3.Ru
Номер скриншота №: e9a74405aa84053abbeafd55dc15108b__1705785600
URL1:https://arc.ask3.ru/arc/aa/e9/8b/e9a74405aa84053abbeafd55dc15108b.html
Заголовок, (Title) документа по адресу, URL1:
Computational immunology - Wikipedia
Данный printscreen веб страницы (снимок веб страницы, скриншот веб страницы), визуально-программная копия документа расположенного по адресу URL1 и сохраненная в файл, имеет: квалифицированную, усовершенствованную (подтверждены: метки времени, валидность сертификата), открепленную ЭЦП (приложена к данному файлу), что может быть использовано для подтверждения содержания и факта существования документа в этот момент времени. Права на данный скриншот принадлежат администрации Ask3.ru, использование в качестве доказательства только с письменного разрешения правообладателя скриншота. Администрация Ask3.ru не несет ответственности за информацию размещенную на данном скриншоте. Права на прочие зарегистрированные элементы любого права, изображенные на снимках принадлежат их владельцам. Качество перевода предоставляется как есть. Любые претензии, иски не могут быть предъявлены. Если вы не согласны с любым пунктом перечисленным выше, вы не можете использовать данный сайт и информация размещенную на нем (сайте/странице), немедленно покиньте данный сайт. В случае нарушения любого пункта перечисленного выше, штраф 55! (Пятьдесят пять факториал, Денежную единицу (имеющую самостоятельную стоимость) можете выбрать самостоятельно, выплаичвается товарами в течение 7 дней с момента нарушения.)