Иммунная система держит Т-клетки под контролем, точно регулируя, когда они могут реагировать на патоген. Например, хелперные Т-клетки превращаются только в "на" если другие иммунные клетки, такие как антигенпрезентирующие клетки (APC), представляют бактериальные пептиды (фрагменты белка) на своей поверхности в составе белкового комплекса, называемого MHC класса II (MHC II).
Однако не каждый бактериальный пептид является иммунодоминантным (загружается в MHC II и представляется Т-клеткам); и не каждый пептид связан с этим комплексным антигеном (способным вызывать иммунный ответ). Правила, управляющие этой динамикой, еще полностью не известны, что мешает лучше понять отношения между нами как хозяевами, патогенами, которые нас заражают, и нашим микробиомом.
Чтобы внести некоторую ясность, команда под руководством Дэниела Грэма, Чэнвэя Луо и члена основного института Рамника Ксавьера из Программы по инфекционным заболеваниям и микробиому Броуда разработала алгоритм на основе глубокой нейронной сети под названием BOTA (T-клеточный антиген, возникший из бактерий), способный прогнозировать , на основе данных бактериального генома, пептиды с наибольшим шансом вызвать иммунный ответ.
Как они сообщили в Nature Medicine, Грэм и его команда (в которую входили сотрудники Массачусетского центра по изучению воспалительных заболеваний кишечника и Центра вычислительной и интегративной биологии больницы общего профиля Массачусетса, а также Центр микробиомной информатики и терапии Массачусетского технологического института) построили и обучил БОТА распознавать потенциальные антигены, запустив "пептидомный" исследование MHC II, сбор и характеристика каждого пептида, связанного с MHC II, изначально обнаруженного в APC у мышей, и составление списка характеристик, лежащих в основе иммунодоминантности и антигенности.
Затем Грэм провел сравнительный анализ BOTA на двух других моделях мышей, инфекции Listeria monocytogenes и колита, оценивая его прогнозы с помощью высокопроизводительного скринингового теста секвенирования одноклеточной РНК, который измерял, могут ли Т-клетки "видеть" предсказал пептиды и насколько сильно они реагировали.
Команда обнаружила, что алгоритм точно предсказал, какие бактериальные пептиды связываются с MCH II в обеих моделях. Их данные о секвенировании РНК также помогли идентифицировать пептиды, которые вызвали самые сильные ответы Т-клеток в их модели Listeria.
Выводы команды показывают, что БОТА может помочь исследователям в ряде сценариев, от обнаружения ранее неизвестных бактериальных антигенов до улучшения дизайна вакцины и от освещения того, как микробиом настраивает иммунную систему, до понимания того, как эта настройка нарушается в воспалительных условиях.