T細胞受體 (TCR) 測序在生物學研究中的應(yīng)用

TCR-seq常用于評價各種免疫相關(guān)疾病和遺傳性突變引起的某個物種所有T細胞或特定T細胞激活介導(dǎo)的細胞免疫反應(yīng)中TCR基因重排堿基序列，以及各序列的豐度，用于研究不同T細胞克隆的轉(zhuǎn)錄情況和相互間關(guān)系，從而揭示更深層次的T細胞功能特異性，繼而解釋免疫應(yīng)答機制、免疫耐受原因，免疫調(diào)節(jié)形式等相關(guān)生命現(xiàn)象。在本期推送中，簡要介紹T細胞受體 (TCR) 測序?qū)ι�物學研究的價值。

為什么定義“免疫突觸”如此重要？

生活中，事物的真正價值往往可以在它的缺失中體現(xiàn)。生物學中亦如此。想象一下，T細胞抗原識別錯誤會發(fā)生哪些可怕的事？

可想而知，T細胞抗原識別錯誤，免疫將不復(fù)存在。當傳染原進入我們的身體或清除攜帶病毒的細胞時，身體將無法識別它們。以前接觸過的抗原由于不會形成免疫記憶，因此疫苗接種工作也將成為徒勞。開創(chuàng)性的癌癥免疫治療方法也成為了無稽之談。我們自身的細胞將面臨自身免疫攻擊的風險……

“泡泡男孩”維特爾，出生就沒有免疫力，在塑料膜里隔離12年。--圖片來源：Baylor College of Medicine

如此看來，T細胞受體(TCR) 抗原特異性識別對于保持我們健康的免疫反應(yīng)機制至關(guān)重要。這使得在“免疫突觸”（即TCR與抗原呈遞細胞上的肽-主要組織相容性復(fù)合物 (pMHC) 之間的分子接合點）能夠產(chǎn)生特異性、有效地識別抗原，這是適應(yīng)性免疫反應(yīng)的關(guān)鍵^[1]。

T細胞依靠它們的表面受體來識別和結(jié)合外來和疾病相關(guān)的抗原（以肽分子的形式），由固有免疫細胞，如樹突狀細胞或其他抗原呈遞細胞 (APCs) 提供。--圖片來源：Leemet al., Nucleic Acids Res. (2018), 46, D406-D412.

由于這些原因，科學家們急于對漫游于免疫系統(tǒng)中的抗原特異性T細胞受體 (TCR) 進行分類。新技術(shù)和數(shù)據(jù)分析平臺的出現(xiàn)加快了人們在該領(lǐng)域的研究步伐。VDJdb數(shù)據(jù)庫是記錄TCR序列及其同源抗原的在線資源庫，近年來其規(guī)模不斷擴大，但依舊需要產(chǎn)生更多記錄才能使人們真正深入了解免疫系統(tǒng)的巨大多樣性，包括將獨特的抗原表位與已知的特定TCR進行分類。

尋找抗原特異性

2019年，一個利用10x Genomics單細胞免疫分析技術(shù)的數(shù)據(jù)集被分享到VDJdb數(shù)據(jù)庫中，在記錄中添加了40個獨特的表位，“比迄今為止產(chǎn)生的任何其他高通量數(shù)據(jù)集都多”^[2]。這就引出了一個問題：是什么讓高通量單細胞測序成為準確預(yù)測TCR特異性的有效解決方案？什么可以改進這種方法以獲得更好的結(jié)果？

單細胞測序方法克服的第一個障礙就是能夠以與TCR庫的巨大多樣性相匹配的效率和規(guī)模提供TCR序列及其同源抗原的讀數(shù)——估計在人類體內(nèi)可能有1015到1061個受體^[3]。10x Genomics的單細胞免疫分析利用帶有特殊寡核苷酸（特征條碼技術(shù)）標記的pMHC多聚體來探索抗原特異性。當與單細胞TCR測序相結(jié)合時，能夠同時捕獲配對的T細胞αβ鏈序列和肽-MHC多聚體，以高分辨率查看該結(jié)合相互作用，并且可以通過基因表達分析相關(guān)T細胞身份和功能的信息。

免疫細胞圖像顯示可通過單細胞測序技術(shù)獲得的分析物，包括用于鑒定抗原特異性和全轉(zhuǎn)錄組基因表達的多聚體。

許多科學家也在尋找生物信息學解決方案以減少TCR抗原特異性數(shù)據(jù)中的這種差距。也就是說，該方法依賴于TCR-pMHC結(jié)合數(shù)據(jù)和已知的TCR序列特征來預(yù)測抗原特異性，然而由于大型數(shù)據(jù)集通常具有很多復(fù)雜性和非特異性背景噪聲，因此難以準確驗證TCR-pMHC特異性識別^[3]。Zhang等人描述了一種名為ICON (IntegrativeCOntext-specific Normalization) 的數(shù)據(jù)標準化方法，該方法通過消除背景噪聲從10xGenomics pMHC結(jié)合數(shù)據(jù)集中識別可靠的TCR-pMHC相互作用。通過評估取自四名健康供體并在44個dextramers中測試的CD8⁺T細胞的結(jié)合譜，他們將15,821個已測序的T細胞中的89%與成對的αβ鏈連接到其抗原靶標^[3]。

Zhang等人還探索了使用神經(jīng)網(wǎng)絡(luò)從TCR序列預(yù)測抗原特異性，并開發(fā)了一個模型，該模型可以接收V(D)J基因和TCR的可變互補決定區(qū) (CDR) 作為輸入。Montemurro等人也在積極探索類似的計算方法，其團隊認為準確預(yù)測模型的開發(fā)取決于成對的α/β TCR序列數(shù)據(jù)，僅包含一條鏈信息的數(shù)據(jù)質(zhì)量低于具有配對CDR的數(shù)據(jù)。這一觀點也反映在他們的結(jié)果中，從配對TCR數(shù)據(jù)構(gòu)建的模型與僅使用CDR3β信息的數(shù)據(jù)構(gòu)建的類似模型相比，表現(xiàn)出更高的性能^[4]。他們的結(jié)果支持這樣一種觀點，即兩條TCR鏈都有助于TCR抗原特異性，并且可能對與pMHC的結(jié)合相互作用具有不同的相對重要性。值得一提的是，這要求單細胞測序平臺提供對兩條鏈的訪問，這也是未來發(fā)現(xiàn)準確的TCR抗原特異性相互作用的重要因素。

參考文獻：

[1]   Cano LE and Lopera DE.Introduction to T and B lymphocytes. Autoimmunity: From Bench to Bedside[Internet]. Bogota (Colombia): El Rosario University Press (2013).

[2]   Bagaev D, et al. VDJdb in 2019:database extension, new analysis infrastructure and a T-cell receptor motifcompendium. Nucleic Acids Res 48: D1057–D1062 (2020). doi: 10.1093/nar/gkz874

[3]   Zhang W, et al. A framework forhighly multiplexed dextramer mapping and prediction of T cell receptorsequences to antigen specificity. Sci Adv 7: eabf5835 (2021). doi:10.1126/sciadv.abf5835

[4]   Montemurro A, et al. NetTCR-2.0enables accurate prediction of TCR-peptide binding by using paired TCRα and βsequence data. Commun Biol 4: 1060 (2021). doi: 10.1038/s42003-021-02610-3