HLA-I類分子超型特異性表位預測及設計工具的研究.pdf

1、在細胞免疫中，主要組織相容性復合物（Majorhistocompatibilitycomplex，MHC）結合抗原多肽并將其提呈至細胞表面從而被T細胞受體(T-cellreceptor,TCR)識別。與MHC分子結合并引起T細胞應答的多肽稱之為T細胞表位（epitope），是研究免疫系統(tǒng)特異性的重要組件，表位肽的鑒定可以促進防治病毒感染、自身免疫性疾病以及腫瘤等疾病的多肽疫苗的研究和開發(fā)。多肽與MHC分子的結合具有高度特異性，是其被T細

2、胞識別的必要條件，然而實驗室鑒定MHC分子結合肽是個費時費力的過程;采用計算機預測方法可以大大降低需要合成和檢測的多肽的數(shù)量，使得抗原表位的大規(guī)模篩選成為可能。
　　人MHC基因稱為白細胞抗原(Humanleukocyteantigen，HLA)，其中多數(shù)HLA-(I)類分子根據(jù)其結合肽的特異性劃分為特定的超型(supertype)，與特定HLA分子結合的多肽往往可以與對應超型中多個HLA分子結合，這種泛宿主性的結合多肽稱為超型特

3、異性結合肽(supertypespecificbinders)，是開發(fā)具有高人群覆蓋率疫苗的優(yōu)先選擇對象。然而，每個HLA分子都有自己獨特的多肽結合傾向，一條多肽與特定HLA分子結合并不意味著該肽就可以和對應超型中其他HLA分子結合。因此，預測HLA-I類分子超型特異性結合肽需要區(qū)分多肽與同超型不同HLA分子間的交叉結合能力。同時，理解多肽各位點殘基對其與同超型HLA分子交叉結合能力的貢獻將為高人群覆蓋率疫苗的設計提供重要的參考。

4、>　　預測模型的建立依賴于可利用的實驗數(shù)據(jù)。在本研究中，我們首先遍歷當前互聯(lián)網上的免疫表位數(shù)據(jù)庫，提取HLA-I類分子限制性的多肽結合數(shù)據(jù)，根據(jù)HLA-I類分子超型對多肽數(shù)據(jù)整合，采用多肽與同超型不同HLA分子的交叉結合能力來描述多肽序列，建立了HLA-I類分子超型特異性表位（結合肽）數(shù)據(jù)庫(HLASupertypeSpecificBinderDatabase，HLASSBDB)。該數(shù)據(jù)庫收錄了18157條多肽與同超型HLA分子交叉結合

5、的數(shù)據(jù)，涵蓋了10個HLA-I類超型的主要38種等位基因限制性。HLASSB_DB提供了三種檢索方式:多肽序列檢索、超型及其等位基因檢索、蛋白序列檢索，為基于表位的疫苗設計，尤其是具有高人群覆蓋率的疫苗的設計提供參考。
　　預測模型的性能取決于建模過程中多肽數(shù)據(jù)的性質，然而當前可用的多肽數(shù)據(jù)多是不均衡的，因為免疫學家更傾向于鑒定帶特定HLA結合基序的候選多肽與對應HLA分子的結合能力。我們在此研究中探索了多肽性質對建模性能的影響。

6、結果顯示，采用不均衡多肽數(shù)據(jù)建立的模型對生物學數(shù)據(jù)(biologicaldataset)的預測性能較差（從指定抗原分子中預測特定HLA分子限制性結合肽的能力）。同時我們發(fā)現(xiàn)預測模型在預測生物數(shù)據(jù)和區(qū)分含基序多肽時存在沖突:多肽數(shù)據(jù)中不含超基序的非結合肽（non-motifcontainingnon-binders，NMNs）的存在可以改善預測模型對生物學數(shù)據(jù)的預測性能卻降低了對含基序多肽的預測準確率（區(qū)分多肽與同超型HLA分子交叉結合的

7、能力）。目前多數(shù)HLA-I類分子可以劃分為特定的超型，同超型HLA分子具有相似的結合特異性，為了克服多肽數(shù)據(jù)帶來的負面影響，我們提出一種基于超型(supertype-based)的建模方法:首先采用超基序篩選與同超型中HLA分子結合的候選肽，然后采用含超基序多肽建立的模型預測多肽與超型中特定HLA分子的結合能力。我們分別采用三種基于矩陣和一種基于機器語言的算法建立了A1、A2、A3、A24、B44和B7超型20種等位基因的預測模型，采用

8、標準化數(shù)據(jù)評估對應模型的性能，結果顯示這種基于超型的建模方法可以改善HLA-I類分子結合肽預測模型的性能，且對基于分類算法的預測模型具有普適性。
　　將這種基于超型的建模方法應用于平均相對結合能力矩陣算法mARB(mulfiplicafiveAverageRelativeBinding)中，我們建立了預測和設計HLA超型特異性結合肽的在線工具HLASSB_PreD(PredictionandDesignofHLASupertype

9、SpecificBinders)。基于標準化數(shù)據(jù)的比較研究顯示HLASSB_PreD對HLA-I類分子結合肽的預測能力要比一般常用的基于分類算法的預測工具(SVMHC、RANKPEP、YKW)性能好。更重要的是，HLASSB_PreD中同超型尤其是多肽數(shù)據(jù)比較豐富的A2和A3超型中不同等位基因的預測模型存在收斂的閾值，使得HLASSB_PreD的矩陣模型可以用來分析多肽中各個位點殘基對多肽與同超型HLA分子交叉結合貢獻，從而來指導HLA

10、超型表位的設計。我們采用HLASSB_PreD中的結合矩陣定義了A2及A3超型的多肽交叉結合基序，并在具有不同交叉結合能力的多肽數(shù)據(jù)集中得到了驗證。為了進一步驗證此工具的性能，我們評估了HLASSB_PreD對聚丙氨酸點突變類似物以及表位HBcAg18-27的點突變類似物的預測性能，結果顯示HLASSB_PreD對聚丙氨酸點突變類似物結合能力的預測準確率為93％，對表位HBcAg18-27的點突變類似物的預測準確率為100％。此外，我們

11、采用HLASSB_PreD篩選HBV相關抗原HBcAg和HBsAg的A3超型特異性表位，預測得到的5條候選表位經酶聯(lián)免疫斑點(ELISPOT)實驗檢測后，證實每條多肽均可以引起兩種或兩種以上A3超型等位基因限制性的T細胞應答。此結果提示HLASSB_PreD可以有效地從抗原蛋白分子中篩選HLA-I類分子超型特異性表位。
　　HLA分子具有高度多態(tài)性，每個編碼的HLA分子都識別一系列不同的多肽，而大多數(shù)HLA分子的結合多肽的特異性沒

12、有得到實驗驗證。建立只有極少或者沒有多肽結合數(shù)據(jù)的HLA分子結合肽預測模型的方法，又稱為pan特異性預測方法，成為此領域的研究熱點。Pan特異性預測方法是采用多個HLA分子（來源等位基因）的多肽數(shù)據(jù)建立不僅可以預測來源等位基因又可以預測只有很少或者沒有結合數(shù)據(jù)的等位基因（目標等位基因）限制性多肽的方法。在本研究中，我們提出了一種基于超型模塊(modular)實現(xiàn)pan特異性預測的方法，參考結合肽各個位點殘基在對應HLA分子中結合環(huán)境的相

13、似性(modular)，采用A2和A3超型中已建立的等位基因矩陣模型生成pan特異性預測模型。我們建立的pan特異性預測模型可以分別實現(xiàn)A2超型35種和A3超型37種等位基因限制性多肽的預測。留一（等位基因）交叉驗證法的結果顯示，當給定的HLA分子只有極少已鑒定的多肽結合數(shù)據(jù)時，建立的pan特異性預測模型的性能要優(yōu)于采用自身多肽數(shù)據(jù)建立的allele特異性模型的性能;應用建立的pan特異性預測模型篩選HBcAg的HLA-A*3303限制

14、性表位，ELISPOT檢測結果顯示采用此模型預測得到的10條候選表位肽中有7條可以誘導HLA-A*3303陽性的健康人PBMC應答，證實了所建pan特異性模型的有效性。
　　本研究中提出的方法及結果對如何提高表位預測模型的性能有著重要提示。其中建立的超型特異性表位數(shù)據(jù)庫(HLASSB_DB)和預測工具(HLASSB_PreD)可以通過http://www.immunoinformatic.net訪問，且對所有用戶免費。相信我們的研