TRain:T细胞受体自动化免疫信息学
Austin Seamann1, Maia Bennett-Boehm1, Ryan Ehrlich1
1School of Interdisciplinary Informatics, College of Information Science and Technology, University of Nebraska at Omaha, 1110 S 67TH, Omaha, NE, 68182, USA.
BMC bioinformatics
|March 6, 2025
概括
一个新的Python工具TRain自动化了从序列数据中预测T细胞受体 (TCR) 和-MHC (pMHC) 复杂结构的复杂过程. 该工具通过简化TCR-pMHC结合分析,有助于理解自适应性免疫反应.
科学领域:
- 免疫学 免疫学 免疫学
- 结构生物学 结构生物学
- 计算生物学 计算生物学
背景情况:
- 由于结构数据有限,特征T细胞受体 (TCR) 和-主要基因相容性复合体 (pMHC) 结合受到阻碍.
- 测序的进步提供了丰富的TCR序列数据,使蛋白质结构建模成为一个有前途的方法.
- 计算方法可以预测TCR-pMHC相互作用和3D复杂结构,但这个过程很复杂,需要专门的专业知识.
研究的目的:
- 开发一种用于预测3D TCR-pMHC复合体的自动计算工具.
- 简化工作流程从TCR序列数据到预测的复杂结构.
- 为了促进对TCR-pMHC结合性质的分析,以深入了解适应性免疫.
主要方法:
- 开发了一个基于Python的工具TRain (T细胞受体自动化免疫信息学).
- 将测序数据自动转换为TCR氨基酸序列.
- 集成现有的TCR建模管道和RosettaDock用于自动化的TCR-pMHC结构预测和分析.
- 在对接之前,启用了模拟的TCR与pMHC晶体结构的非偏见配对.
主要成果:
- 从序列数据中,TRain成功地简化了3D TCR-pMHC复合物的预测.
- 该工具自动化了多个复杂的步骤,包括数据转换,模型提交和结构准备对接.
- 一个案例研究表明了TRain的基本功能,并提供了一份手册以提供进一步指导.
结论:
- 推出了一个开源工具TRain,简化了对3D TCR-pMHC复合体的预测.
- 该工具利用已知的方法,从序列信息中提供预测结构.
- 分析这些预测复合体,可以更深入地了解TCR结合和适应性免疫反应.
