Ученые из Юго-Западного университета США разработали новый метод изучения молекулярных характеристик Т-клеток, критических иммунных клеток, которые распознают и атакуют захватчиков в организме, таких как вирусы, бактерии и рак.
Подход, описанный сегодня в журнале Nature Methods, позволяет исследователям более легко анализировать роль рецепторов Т-клеток (TCR) – молекул на поверхности Т-клеток, которые отвечают за распознавание патогенов.
"Это может привести к лучшему пониманию того, как работают Т-клетки, а также к новым способам использования Т-клеток для борьбы с болезнями," говорит руководитель исследования Тао Ван, доктор философии.D., доцент кафедры народонаселения и науки о данных и член Центра количественных биомедицинских исследований при UTSW.
В то время как некоторые иммунные клетки могут одновременно атаковать разные патогены, Т-клетки являются более целевыми – каждая отдельная Т-клетка имеет свой собственный набор рецепторов Т-клеток (TCR) на своей поверхности. Каждый рецептор обычно распознает только одну конкретную молекулу или "антиген." Например, один TCR может связываться только с белком, обнаруженным при раке легких, а другой TCR может связываться только с вирусом гриппа. Когда Т-клетка встречает антиген, который связывается с одним из ее TCR, она активируется, вызывая иммунный ответ. Чтобы отразить разнообразный набор потенциальных захватчиков, в организме человека есть миллионы различных Т-клеток.
Ученые попытались изучить, что делает различные Т-клетки и TCR более или менее эффективными, но пока этому препятствует отсутствие информации о том, что делают различные TCR. Как правило, они предполагают, что похожие TCR должны связываться со схожими антигенами, и что все TCR активируют Т-клетки одинаковым образом.
Чтобы устранить эти догадки, исследовательская группа разработала статистическую модель, объединяющую две существующие технологии: анализ TCR, который измеряет разнообразие TCR человека, и секвенирование одноклеточной РНК, которое определяет конкретные гены, которые включаются или выключаются в T-клетке. Комбинирование этих технологий было сложной задачей, поскольку обе они генерируют многие тысячи единиц данных за эксперимент, и данные поступают в двух разных формах. Новая модель, получившая название Tessa, использует мощные статистические методы, чтобы преодолеть этот пробел. Тесса показывает, что происходит с отдельной Т-клеткой, когда ее TCR распознает антиген, и каким образом TCR влияют на функцию Т-клеток. (Tessa означает оценку функционального ландшафта TCR под контролем анализа секвенирования scRNA.)
Используя Tessa, исследователи изучили 100 288 Т-клеток как у здоровых людей, так и у больных раком. У онкологических больных они обнаружили, что разнообразие TCR в Т-клетках оказывает более слабое влияние на функциональный статус Т-клеток, чем на те, которые обнаруживаются у здоровых пациентов. Вероятно, это связано с тем, что множество других иммунных молекул, секретируемых в микросреду опухоли, по-другому влияют на активность Т-клеток. Это наблюдение – и другие, которые, вероятно, являются результатом более широкого использования Тессы – могут иметь значение для ученых, разрабатывающих методы лечения рака на основе иммунитета.
Дэвид Гербер, M.D., профессор внутренней медицины, народонаселения и науки о данных, а также заместитель директора клинических исследований в Гарольде С. Комплексный онкологический центр Симмонса в Юго-Западном Юта считает, что эта работа обеспечивает совершенно новый способ использования данных секвенирования отдельных Т-клеток. "Мы планируем использовать этот многообещающий инструмент для изучения роли Т-лимфоцитов в побочных эффектах иммунной системы, вызванных иммунотерапией рака, в рамках недавно финансируемой награды NIAID U01," он говорит.
"Предыдущие методы предполагали много предположений, когда дело дошло до точной функции Т-клеток и того, как рецепторы Т-клеток связаны с функцией," добавляет Тодд Агилера, M.D., Ph.D., доцент кафедры радиационной онкологии UTSW и эксперт по иммунотерапии, который также сотрудничает с Ван. "Я считаю, что этот метод может помочь идентифицировать наиболее многообещающие TCR для персонализированной иммунотерапии на основе TCR и лучше определить продуктивные иммунные ответы для определения оптимальных стратегий иммунотерапии."