相关实验视频
上一篇:NAIR:免疫曲目网络分析
Hai Yang1, Jason Cham2, Brian Patrick Neal1,3
1Helen Diller Family Comprehensive Cancer Center, University of California San Francisco, San Francisco, CA, United States.
Frontiers in immunology
|August 24, 2023
概括
这项研究引入了免疫谱的网络分析 (NAIR) 来分析T细胞受体序列. NAIR确定了特定疾病的T细胞受体,有助于理解对COVID-19等感染的免疫反应.
科学领域:
- 免疫学 免疫学 免疫学
- 生物信息学是一种生物信息学.
- 计算生物学 计算生物学
背景情况:
- T细胞对于适应性免疫,对抗感染 (例如,SARS-CoV-2) 和瘤至关重要.
- T细胞受体 (TCR) 测序概况T细胞谱,提供对免疫反应的洞察力.
- 了解TCR曲目动态对于疾病诊断和治疗至关重要.
研究的目的:
- 开发和验证一个新的计算管道,免疫谱的网络分析 (NAIR),用于TCR序列分析.
- 描述T细胞谱系网络属性,并将其与临床结果相关联.
- 确定与感染恢复相关的疾病特异性TCR和共享TCR集群.
主要方法:
- 开发了一个定制管道 (NAIR),集成网络分析和先进的统计方法.
- 在基于序列相似性的TCR序列数据上进行网络分析.
- 量化了谱系网络属性,并将它们与临床结果相关联,包括COVID-19恢复.
- 引入了一种新的指标,将克隆生成概率和丰度结合起来,使用贝叶斯因子来识别特定疾病的TCR.
主要成果:
- NAIR成功地特征了T细胞谱系网络架构.
- 确定了与临床结果相关的疾病特异性/相关和共享的TCR集群.
- 这种新型指标有效过了假阳性,揭示了潜在的疾病特异性TCR.
- 使用来自COVID-19患者和健康捐赠者的TCR-seq数据证明了该方法的实用性.
结论:
- 纳尔管道为分析TCR目录数据提供了一个强大的框架.
- 免疫谱的网络分析可以揭示关键的TCRs参与宿主防御感染.
- 这种方法在识别传染病的生物标志物和指导治疗策略方面具有潜在的应用.