Razumijevanje odabira memorijske B ćelije

Za više informacija:ali.ma@wecistanche.com

SAŽETAK

Prilagodljivi imuni sistem sisara evoluirao je milionima godina da bi postao neverovatno efikasna odbrana od stranih antigena. Humoralni odgovor adaptivnog imunog sistema stvara plazma B ćelije imemorija Bćelije, svaki sa svojim imunološkim ciljevima. Proces sazrevanja afiniteta se široko smatra heurističkim za rešavanje globalnog problema optimizacije pronalaženja B ćelija sa visokim afinitetom prema antigenu. Kako god,memorija BćelijeČini se da su namjerno odabrani ranije u procesu sazrijevanja afiniteta i imaju niži afinitet. Predlažemo da ovomemorijska B ćelijaproces selekcije može biti približno rješenje za dva problema optimizacije: optimizacija za afinitet prema sličnim antigenima u budućnosti uprkos mutacijama ili drugim manjim razlikama i optimizacija za topli početak stvaranja plazma B ćelija u budućnosti. Koristimo simulacije da pružimo dokaze za naše hipoteze, uzimajući u obzir podatke koji pokazuju da su određene mutacije B ćelija vjerovatnije od drugih. Naši nalazi su u skladu s memorijskim B ćelijama koje imaju visok afinitet prema mutiranim antigenima, ali ne pružaju jake dokaze damemorijske B ćelijebiće korisnije od odabranih naivnih B ćelija za zasejavanje sekundarnih zametnih centara.

Kliknite na Cistanche NZ za memoriju

1. Uvod

Imuni sistem je efikasan sistem za ublažavanje pretnji koji koristi nekoliko naučenih algoritama za identifikaciju. Iako je urođeni imuni sistem vješt u identifikaciji stranih napadača ili antigena, on mora uključiti adaptivni imuni sistem kako bi stvorio masovniji i specifičniji odgovor. Osnovni aspekt humoralnog odgovora adaptivnog imunog sistema je obučavanje dva tipa B ćelija kroz proces koji se naziva sazrevanje afiniteta (AM): plazma B ćelije koje stvaraju antitela za identifikaciju trenutnog antigena, imemorijske B ćelijekoji se koriste u kasnijim imunološkim odgovorima za identifikaciju sličnih antigena u budućnosti. AM proces je vrlo neobičan, po tome što je specifična regija DNK unutar B ćelija koja sudjeluju mutirana kako bi se stvorilo potomstvo koje je odabrano da ima veći afinitet prema dotičnom antigenu. Očuvanje sekvenci DNK je obično od najveće važnosti u većini ćelija, ali region genoma koji definiše oblik receptora B ćelija mora biti brzo modifikovan da bi receptor B ćelija imao šanse da postane bolji u prepoznavanju antigena interes (Meyer-Hermann et al., 2012). Ove mutacije su odgovorne za nevjerovatnu sposobnost B ćelija da prepoznaju praktično svaki antigen koji im se predstavi, čineći adaptivni imuni sistem sisara jednim od najefikasnijih sistema za identifikaciju učenja u svijetu prirode.

Stephen Lindsly, Maya Gupta b, Cooper Stansbury, Indika Rajapakse

a Odsjek za računarsku medicinu i bioinformatiku, Univerzitet Michigan, Ann Arbor, Sjedinjene Američke Države

b Google Research, Mountain View, CA, Sjedinjene Američke Države

c Odsjek za matematiku, Univerzitet Michigan, Ann Arbor, Sjedinjene Države

U ovom radu razmatramo da li plazma B ćelija imemorijska B ćelijaprocesi generisanja mogu se tumačiti kao pokušaji da se zadovolje specifični ciljevi, i ako jeste, možemo li te ciljeve precizno navesti? Standardne ideje pozajmljujemo iz mašinskog učenja, gde je uobičajeno da se prvo specificira idealan matematički objekat koji treba optimizovati (kao što je minimiziranje očekivane stope greške naučenog sistema identifikacije), a zatim predlažemo heurističke algoritme koji približno optimizuju taj matematički cilj. Slično, pretpostavljamo da zbog evolucijskih pritisaka, AM procesi djeluju kao heuristika koja se približno optimizira za idealizirane imunološke ciljeve. Pretpostavljamo koji bi ti evolucijski adaptivni imunološki ciljevi mogli biti, a zatim upoređujemo koliko dobro različite B ćelije zadovoljavaju ove ciljeve kada se suoče sa protivno mutiranim antigenima putem simulacija. Ovi nalazi nas navode da predložimo nove hipoteze o implicitnim ciljevima treninga imunološkog sistema naivnih B ćelija da postanumemorijske B ćelije.

Prvo, u odjeljku 2, razmatramo kako se naivne B ćelije regrutuju i obučavaju da postanu plazma B ćelije i matematički predstavljamo hipotezu o ciljevima ove obuke. U Odjeljku 3 razmatramo ciljeve matematičke optimizacije zagonetnijeg procesa obuke koji vodi do generiranjamemorijske B ćelije. Definišemo trening plazma B ćelija ili trening plazma B ćelija kao proces generisanja B ćelija plazme iz naivnih B ćelija tokom AM. Slično, definiramo trening ili trening memorijskih B stanicamemorijske B ćelijekao proces generisanja memorijskih B ćelija iz naivnih B ćelija tokom AM. Testiramo naše hipoteze putem simulacija u Odjeljku 4 i zaključujemo s raspravom o otvorenim pitanjima u Odjeljku 5.

2. Trening plazma B ćelija

Pregledavamo AM proces koji trenira naivne B ćelije da postanu plazma B ćelije, a zatim razmatramo koje matematičke kriterijume je trening plazma B ćelija možda evoluirao da bi se optimizovao.

2.1. Afinitetno sazrijevanje plazma B ćelija

AM počinje regrutacijom naivnih B ćelija sa nekim početnim afinitetom prema antigenu za sekundarne limfoidne organe. Ove naivne B ćelije, zajedno sa T folikularnim pomoćnim ćelijama (TFH) i folikularnim dendritičnim ćelijama, koncentrišu se u privremene strukture poznate kao germinalni centri (Slika 1A) (Meyer-Hermann et al., 2012; Tas et al., 2016). Germinalni centri (GC) osiguravaju da su ove ćelije u blizini, čime se olakšava brza mutacija i evaluacija sekvenci receptora B ćelija. Tokom AM, TFH ćelije procjenjuju B ćelije na njihov afinitet prema antigenu kroz dužinu interakcije između njih, na osnovu prezentacije antigena od strane B ćelija (Mesin et al., 2016; Murphy i Weaver, 2016). Ako je početni afinitet B ćelije visok, ona prima hemijski signal od TFH ćelije da se preseli u odvojeno područje GC-a i proliferira. Dok se B ćelija razmnožava, specifičan dio genoma koji se zove hipervarijabilna regija izložen je enzimu, citidin deaminazi (AID) izazvanoj aktivacijom (Muramatsu et al., 2000; Bannard i Cyster, 2017). AID može deaminirati citozin stvarajući uracil, nukleotid koji se inače ne nalazi u DNK. Operacija koja popravlja ove promjene je sklona greškama, što dovodi do mutacija u DNK sekvenci (Martin et al., 2015).

Proces deaminacije i mutacija tokom popravke naziva se somatska hipermutacija (SHM). Nakon proliferacije, B ćelije se vraćaju u područje GC koje sadrži TFH ćelije i ponovo se procjenjuje na njihov afinitet prema antigenu. Ovaj iterativni proces proliferacije, mutacije i procjene afiniteta nastavlja se sve dok B ćelije ne budu imale dovoljno visok afinitet prema antigenu. U ovom trenutku, B ćelije se diferenciraju u plazma B ćelije i počinju proizvoditi antitijela koja omogućavaju imunološkom sistemu da iskorijeni antigen.

2.2. Sazrijevanje afiniteta kao algoritam

AM modeliramo u algoritmu 1, koji koristimo za simulaciju AM u našim eksperimentima. Pojednostavljujemo nekoliko poznatih ili neizvjesnih pitanja o AM, detaljno opisano u pododjeljku 2.3.

Svaka naivna sekvenca receptora B ćelija generisana je nasumično kombinatornom mešavinom svojih V, D, J i C genskih segmenata, kao i kroz različitost spojeva između ovih segmenata (Sompayrac, 2019). Naivne B ćelije obuhvataju najmanje 100 miliona mogućnosti (Sompayrac, 2019). Naivne B ćelije regrutovane u zametni centar su ćelije koje već imaju obećavajuće afinitet s antigenom a. SHM zatim mutira nukleotide u regionu DNK sekvence dužine približno 100 parova baza (bp), što doprinosi definiciji strukture receptora B ćelija (Martin et al., 2015). Mutacije u hipervarijabilnoj regiji su na skali od 106 puta vjerovatnije od mutacija izvan ovog područja (Martin et al., 2015). Mutacije mogu biti zamjene, umetanja i brisanja u kategoričkom prostoru modeliranom kao fA; T; C; G;£g100, gdje £ označava brisanje. Treba napomenuti da iako je kombinatorni prostor mogućih mutacija velik, mnoge specifične mutacije odmah dovode do apoptoze. AM optimizacija je paralelizirana i distribuirana preko G klicavih centara, koji se algoritamski mogu smatrati G različitim paralelnim procesorima. Modeliramo različite germinativne centre kako rade nezavisno, iako između njih može postojati biohemijska signalizacija. U praksi, organizam se trenira za više nezavisnih antigena istovremeno, ali radi jednostavnosti, razmatramo jedan po jedan antigen.

2.3. Poznata pojednostavljenja algoritma 1

Napominjemo da algoritam 1 pojednostavljuje nekoliko poznatih karakteristika AM. Vjerujemo da su ova pojednostavljenja mala i da ne utiču na glavne zaključke ovog rada.

Modeliramo algoritam kao T diskretnih iteracija, ali u praksi, AM je kontinuirani proces koji je dijelom vremenski ograničen zbog raspada antigena i vanjskih pritisaka. Međutim, prema našim saznanjima, ne postoji tačno ograničenje broja podjela koje se mogu dogoditi ili tačan vremenski okvir koji se mora ispuniti tokom AM. Nadalje, postoji šansa da imunološki sistem ne pronađe rješenje dovoljno brzo, što uzrokuje smrt domaćina. Iako prepoznajemo da se to dešava u prirodnom sistemu, to nije fokus naše simulacije. Zbog toga koristimo fiksni broj iteracija kao aproksimaciju vremenskih ograničenja sa kojima se suočava stvarni imuni sistem. Pored toga, identifikujemo B ćelije najvećeg afiniteta na kraju naše simulacije kao plazma B ćelije radi jednostavnosti, ali B ćelije plazme se ne biraju istovremeno na kraju AM i možda nemaju apsolutno najveći afinitet.

Prije nego što SHM započne, početna populacija B ćelija je možda prošla kroz neusmjerenu proliferaciju, što znači da se početni slučajni uzorak može bolje modelirati kao nasumični klasteri B ćelija. Algoritam 1 dozvoljava zametnim centrima da rastu bez granica, iako će stopa odumiranja težiti ograničavanju veličine populacije u germinativnim centrima. U praksi, veličina germinativnih centara je takođe ograničena fizičkim ograničenjima zapremine i ograničenjima biohemijskih resursa. Koristimo konstantnu stopu odumiranja. ali postoje neki dokazi da se vjerovatnoća odumiranja smanjuje kako se afinitet povećava (Anderson et al, 2009). Uključujemo pojednostavljenu verziju ovog ponašanja pristrasnošću vjerovatnoće smrti B ćelija u germinativnom centru prema ćelijama nižeg afiniteta.

T ćelije mjere svoj afinitet u obližnjim B ćelijama, tako da postoji samo određena vjerovatnoća da će se afinitet određene B ćelije izmjeriti, a da je vjerovatnoća da će se afinitet B stanice izmjeriti smatra se funkcijom prostorne organizacije (što je indirektno pod utjecajem afiniteta) i direktnog afiniteta. Afinitet i prostorna blizina određene B ćelije utječu na vjerovatnoću da će biti odabrana i inducirana na proliferaciju. Ne razmatramo eksplicitno prostornu organizaciju između TaH ćelija i B ćelija. Snaga signala proliferacije je općenito proporcionalna afinitetu B-ćelije, tako da je vjerojatnije da će se B-ćelija visokog afiniteta proliferirati mnogo puta prije nego što se vrati na drugu iteraciju procjene afiniteta (Mesin et al,2016; De Silva i Klein, 2015). Slično povećanoj vjerovatnoći smrti za B ćelije sa niskim afinitetom, mi biramo B ćelije za proliferaciju prema B ćelijama višeg afiniteta.

Algoritam 1 može previše pojednostaviti AM i na druge načine kojih nismo svjesni ili koji još nisu poznati.

2.4. B ćelije plazme su stvorene da optimizuju afinitet antigena u ograničenom vremenu

AM je proces koji je dugo bio uokviren kao imunološki sistem koji djeluje kao globalni algoritam optimizacije koji pokušava pronaći B ćeliju koja najbolje identificira dati antigen putem SHM (Theodosopoulos i Theodosopoulos, 2002). To jest, AM se ponaša kao da je heuristički za rješavanje, gdje je a dati antigen, b je B ćelija iz skupa B svih mogućih B ćelija, a s je funkcija afiniteta koja modelira kvalitet zaključavanja- i-ključna fizička i biohemijska interakcija b i a. Imajte na umu da je B veoma veliki kategorički prostor definisan sekvencom DNK promenljive dužine koja kodira receptor B ćelije.

Međutim, cilj (1) ne prepoznaje činjenicu da B-ćelija plazme ne mora savršeno odgovarati antigenu. U stvari, čini se da postoji dovoljan afinitet s takav da kada se postigne afinitet od s, B ćelija je indukovana da se diferencira u plazma B ćeliju. Dalje, imuni sistem je pod vremenskim pritiskom da proizvede takve plazma B ćelije dovoljno visokog afiniteta što je brže moguće.

Therefore, we propose that a more realistic model of what the plasma B cell generation process is optimizing should also depend on the sufficient affinity t>0, i dati skup 多. početnih naivnih B ćelija u germinativnom centru. Da bismo uhvatili vremenski pritisak, modeliramo probabilističke mutacije na B ćelije u germinativnom centru na svakoj diskretnoj vremenskoj iteraciji. S obzirom na naivnu B ćeliju b E, neka je M(b)∈ nova slučajna B ćelija proizvedena jednom slučajnom mutacijom b. Neka M*(b)= M(M(..(M(b))..)) označava slučajnu B ćeliju generiranu nakon slučajnih mutacija b tako da se slučajna B ćelija M(b) može bilo koja od B ćelija do kojih može doći Kmutacijama M početne B ćelije b, sa odgovarajućim verovatnoćama koje zavise od sume verovatnoće različitih puteva mutacija koje bi mogle proizvesti M* (b) počevši od b.

Zatim pretpostavljamo da je proces selekcije plazma B stanica heuristički razvijen da bi se minimizirao broj potrebnih mutacija K∈ tako da će u prosjeku K slučajnih mutacija proizvesti barem jednu B ćeliju u germinativnom centru s dovoljnim afinitetom t prema antigenu:

gdje je EI.] standardni operator očekivanja (prosjek) koji se odnosi na moguće ishode slučajne varijable ponderisane njihovim vjerovatnoćama. Ovaj cilj je u skladu s našim algoritmom 1.

Jasno je da imunološki sistem nije osjećajni entitet koji eksplicitno formulira kriterije(2) i nakon toga identificira heuristiku za njegovu optimizaciju. Umjesto toga, pretpostavljamo da su evolucijski pritisci odabrani za proces stvaranja plazma B ćelija koji bolje optimizira(2).

3. Trening memorijskih B ćelija

Slično B-ćelijama u plazmi, memorijske B ćelije se stvaraju unutar germinalnog centra, ali postoje ključne razlike u stvaranju ova dva tipa ćelija kako bi se postigli njihovi ciljevi (Mesin et al, 2016; Weisel i Shlomchik, 2017; Suan et al. al, 2017). Prvo pregledavamo kako se kreiraju memorijske B ćelije, a zatim razmatramo za koje kriterijume su optimizovane, analogno našim kriterijumima(2) za plazma B ćelije

3.1. Pozadina o memorijskim B ćelijama

Iako naziv memorijska B ćelija može pozvati na ideju da je memorijska B ćelija dugoročna kopija plazma B ćelije, istina je komplikovanija. Memorijske B ćelije ne prolaze kroz cijeli AM proces kao što to čine B ćelije plazme. Zapravo, memorijske B ćelije karakteriše njihov relativno nizak afinitet u poređenju sa B ćelijama plazme, i nisko opterećenje SHM (broj mutacija prikupljenih iz SHM) (Suan et al, 2017). Ovo implicira da, iako memorijske B ćelije imaju inicijalno visok afinitet prema antigenu u odnosu na naivni repertoar B ćelija, one ne prolaze AM u meri plazma B ćelija i imaju tendenciju da imaju niži afinitet prema trenutnom antigenu od B ćelija plazme.

Gen BACH2 igra važnu ulogu u razvoju memorijskih B ćelija unutar germinalnog centra, iu njihovoj eventualnoj diferencijaciji (Suan et al,2017: Shinnakasu et al,2016). BACH2 je u obrnutoj korelaciji sa pomoći koju B ćelija prima od Te ćelija, a rezultirajuće slabe interakcije sa T ćelijama omogućavaju da ekspresija BACH2 ostane visoka. kritično,

odnos između ekspresije BACH2 i Tp ćelija omogućava određenu pomoć T-ćelija za preživljavanje ćelija unutar germinalnog centra, ali sprečava prekursor B ćelije da uđe u područje gde bi se razmnožavao i mutirao preko SHM. Ovo dovodi do tri podskupine B ćelija unutar germinalnog centra: (1) B ćelije visokog afiniteta koje su odabrane od strane T ćelija da se razmnožavaju i mutiraju putem SHM, i na kraju dovode do diferencijacije B ćelija plazme, (2) umerenog afiniteta B ćelije (nizak u poređenju sa prekursorima B ćelija plazme, visok u poređenju sa prosečnim naivnim B ćelijama) čiju selekciju Tw ćelija ublažava BACH2, što dovodi do memorijskih B ćelija, i (3) B ćelije niskog afiniteta koje dobijaju malu ili nikakvu pomoć iz Tw ćelija koje dovode do apoptoze (Mesin et al, 2020; Taylor et al, 2015).

Memorijske B ćelije slične su naivnim B ćelijama u smislu njihovih transkripcionih profila, što im omogućava da slobodno cirkulišu unutar organizma i da prate buduće slučajeve antigena. Uprkos ovim sličnostima, oni pokazuju prekomernu ekspresiju anti-apoptotičkih gena što omogućava B ćeliji pamćenja da živi izuzetno dugo, a samim tim i sposobnost da prepozna antigene u budućnosti (Suan et al.2017).

3.2. Za šta su memorijske B ćelije optimizirane?

Ako je cilj imunog sistema bio napamet memorisanje receptora B ćelija najvećeg afiniteta za trenutni antigen a, mogli bismo očekivati ​​da će repertoar receptora memorijskih B ćelija biti skoro identičan repertoaru receptora B ćelija plazme, ali nije. Alternativno bi se moglo očekivati ​​da AM iskoristi luksuz vremena koje ima prije nego što mu zatreba memorijske B ćelije da mutiraju više tako da memorijske B ćelije mogu imati čak i veći afinitet s(b, a) prema antigenu od B ćelija plazme. , dalje optimiziranje (1). Čini se da to također nije slučaj. Iako bi obje te opcije trebale biti biološki izvodljive, imunološki sistem radi nešto radikalno drugačije kako bi stvorio memorijske B ćelije: bira memorijske B ćelije ranije u AM nego plazma B ćelije, i stoga memorijske B ćelije u prosjeku imaju niži afinitet s(ba) nego plazma B ćelije.

Da bismo objasnili zašto su memorijske B ćelije tako loše prilagođene trenutnom antigenu a, predlažemo dvije hipoteze za ciljnu funkciju koju memorijske B stanice možda heuristički pokušavaju optimizirati. Naše dvije hipoteze proizlaze iz dvostruke uloge memorijskih B ćelija (Dogan et al, 2009; Weisel i Shlomchik, 2017). Prvo, kada buduća inkarnacija napada antigena, memorijske B ćelije se koriste kako jesu da se diferenciraju u plazma B ćelije i iskorijene mutirani antigen. Drugo, memorijske B ćelije se koriste da zagreju početak AM-ovog sekundarnog treninga plazma B ćelija. Zapravo, nedavni dokazi pokazuju da su veliki dio B ćelija plazme u sekundarnom odgovoru memorijske B ćelije iz prvog odgovora, a neke memorijske B ćelije se također koriste za postavljanje novih germinativnih centara za optimizaciju sekundarnog odgovora plazma B stanica ( Mesin et al, 2020).

3.3. Obuka za afinitet prema mutiranom antigenu

Predlažemo da je ključno pitanje za memorijske B ćelije to što je budući primjer antigena koji moraju ublažiti gotovo sigurno mutacija originalnog antigena a. U trenutku kada su memorijske B ćelije stvorene, budući mutirani antigen a nije poznat, ali ga možemo okarakterisati kao nasumično mutirani antigen A. U ovom radu koristimo standardnu ​​notaciju vjerovatnoće da veliko slovo označava slučajnu varijablu, a njeno odgovarajuće malo slovo označava realizaciju te slučajne varijable. Na primjer, ako bacite kockicu sa šest strana, slučajna vrijednost Xe {1,2..6} se odnosi na bacanje kockice prije nego što ga pogledate jer u tom trenutku znate samo vjerovatnoću njegovih šest vrijednosti, ali jednom vidite bacanje kocke, to je deterministička vrijednost xE {1,2....,6}.

Neka je A nasumični antigen izvučen iz neke uslovne distribucije verovatnoće PA~ja koja zavisi od trenutnog antigena a, i modelira verovatnoću mogućih budućih mutacija na a i verovatnoću da se takva mutacija predstavi organizmu domaćinu u toku životnog veka memorijske B ćelije odabrane tokom imunološkog odgovora na a. Ako je za sekundarni odgovor potrebna samo jedna memorijska B ćelija, logična generalizacija (1) bila bi odabir memorijske B ćelije koja će u prosjeku imati visok afinitet prema nasumično mutiranom antigenu A.

Ako su sve mutacije antigena a podjednako vjerovatne i ako je rezultat afiniteta s dobra linearna funkcija, onda bi rješenje za (3) moglo biti isto kao (1). Ali očekujemo da će postojati suštinska asimetrija u vjerovatnoći različitih mutacija antigena, tako da očekujemo da će rješenje za (3) biti drugačije od rješenja za (1). Ovo je isti princip kao u čuvenom citatu Waynea Gretzkyja o hokeju, klizam tamo gdje će pak biti, a ne tamo gdje je bio

Slika 2 ilustruje kriterijum u (4), pokazujući da raznolikost u memorijskim B ćelijama pomaže da se pokrije prostor verovatnih mutacija originalnog antigena a. Kriterijum (4) pretpostavlja fiksiran izbor od N, ali ako biste mogli optimizirati (4) i za N, tada biste uvijek radije imali veći broj N memorijskih B ćelija. Međutim, postoji i silazni pritisak na N zbog fizičkih resursa potrebnih za skladištenje i održavanje tih ćelija, i vremenskog pritiska prije nego što se antigen raspadne. Ponovo naglašavamo da ne pretpostavljamo da memorijske B ćelije same pokušavaju optimizirati (4), umjesto da bi evolucijski pritisci preferirali procese generiranja memorijskih B ćelija koji su optimizirani (4).

3.4. Optimiziranje za topli početak treninga za mutirani antigen

Ne želimo sugerirati da memorijske B ćelije direktno optimiziraju(5), već da su evolucijski pritisci možda preferirali procese selekcije memorijskih B ćelija koji bolje optimiziraju (5). Cilj (4) i cilj (5) će vjerovatno imati različita optimalna rješenja ovisno o vjerovatnoći različitih mutacija antigena i B ćelija, iako bi isti proces selekcije B ćelija memorije mogao biti prilično dobar u oba cilja. Još nije poznato koliko su memorijske B ćelije važne za trening sekundarnog odgovora plazma B ćelija u zametnim centrima, ali neki dokazi pokazuju da se zametni centri sekundarnog odgovora sastoje od više naivnih B ćelija nego što bi se moglo očekivati ​​(Mesin et al., 2020. ).

3.5. Zašto memorijske B ćelije nisu kopije B ćelija plazme?

Čini se da i (4) i (5) zahtijevaju poznavanje distribucije vjerovatnoće PA~ različitih mutacija kojima antigen može biti podvrgnut, i distribucije vjerovatnoće PMK ðbÞ mutirane B ćelije nakon K mutacija. Međutim, za mnoge simetrične izbore PA~ i PMK ðbÞ, tačne distribucije možda nisu bitne: imuni sistem bi jeftino mogao postići dobro približno rješenje za (4) i (5) jednostavnim pravljenjem memorijskih B ćelija kao kopija plazme. B ćelije; čini se da nema biohemijskih ograničenja koja sprečavaju tačnu replikaciju. Međutim, čini se da su memorijske B ćelije selektovane drugačije od B ćelija plazme. Predstavljamo dvije hipoteze zašto.

Naša prva hipoteza je već predstavljena u odjeljku 3.3 i slici 2: budući da imunološki sistem može odabrati skup memorijskih B ćelija u (4), isplati se imati više raznolikosti u memorijskim B ćelijama nego što se dobije kopiranjem plazme. B ćelije. B ćelije plazme imaju tendenciju da budu manje raznolike jer su obučene da optimizuju (1), što čak i sa višestrukim lokalnim minimumima u obliku sðb; aÞ će ograničiti njihovu raznolikost. Memorijske B ćelije su raznovrsnije od B ćelija plazme jer se biraju ranije u procesu sazrevanja. Vjerujemo da je ova raznolikost važna za optimizaciju afiniteta prema mutiranom antigenu prema (5) jer je prava funkcija afiniteta s vrlo nelinearna funkcija sekvenci aminokiselina B stanice b i antigena a koje proizlaze iz složenih biohemijskih svojstava i fizičkih strukture brave i ključa (Carneiro i Stewart, 1994; Kilambi i Grey, 2017; Ambrosetti et al., 2020)

Naša druga hipoteza je da cilj toplog početka (5) za sekundarne germinativne centre nije dobro optimiziran kopijom seta plazma B ćelija jer postoje dokazi da su vjerovatnoće PMjb slučajnih mutacija B ćelija u SHM asimetrično: određene mutacije B ćelija su mnogo vjerovatnije od drugih. To čini neke B ćelije fleksibilnijom polaznom tačkom za topli početak od originalnih B ćelija plazme, koje mogu imati problema s mutiranjem kako bi odgovarale novom antigenu. Dokaz za asimetrični PMjb je da su mnogi istraživači primijetili preferencijalno ciljanje AID-a na specifične motive (Martin et al., 2015; Stavnezer, 2011; Chen i MacCarthy, 2017; Keim et al., 2013). Kako bi mutacije, po definiciji, promijenile specifičnu sekvencu na koju cilja AID, razumno je zaključiti da je prva mutacija ove lokacije lakša od budućih. Kada se redoslijed promijeni, manja je vjerovatnoća da će AID ciljati ovu lokaciju. Sve u svemu, preferencijalno ciljanje AID-a bi otežalo dalju mutaciju ovog regiona ili da se vrati nazad na originalnu sekvencu.

Ova asimetrija u vjerovatnoći kretanja po prostoru svih B ćelija putem mutacija tokom AM stvara prekid veze između cilja B ćelija plazme (1) i cilja da bude dobro rešenje za topli početak budućeg treninga plazma B ćelija prema (5 ). Konkretno, B-ćelija plazme je možda napravila mnoge mutacije koje je teško preokrenuti radi optimizacije (1) za trenutni antigen a. Nasuprot tome, čini se da su izabrane memorijske B ćelije nedovoljno optimizovane za uklapanje trenutnog antigena a, ali pretpostavljamo da mogu lakše mutirati u sekundarnom odgovoru AM kako bi bolje odgovarale slučajnom budućem antigenu A~. Sve u svemu, primjećujemo da koliko dobro su ciljevi (1), (4) i (5) usklađeni zavisi od simetrije PA~; PMjb, i nelinearnost s.

4. Simulacije

Koristimo AM algoritam (Algoritam 1) da modeliramo kako se treniraju plazma B ćelije i memorijske B ćelije i pokažemo kroz dvije simulacije da su simulirane memorijske B ćelije bolje od simuliranih B ćelija plazme u optimizaciji naših hipotetskih ciljeva (4) i ( 5), čime se pruža dokaz da su ovi ciljevi biološki opravdani. Prvo demonstriramo mehaniku sazrijevanja afiniteta u simuliranim primarnim imunološkim odgovorima, a zatim upoređujemo različite potencijalne početne uslove za simulirane sekundarne imunološke odgovore.

Ove simulacije ne uzimaju u obzir sve stvarne probleme u igri, kao što je da virusna mutacija ne smije štetiti funkcionalnosti virusa i probleme opisane u 2.3. Uprkos ovim ograničenjima, tvrdimo da ove simulacije obuhvataju mnoga ključna pitanja potrebna da se ilustruje da su naši hipotetski ciljevi u skladu s razlikom u treningu B ćelija plazme i memorije. Kompletan kod za naše simulacije bit će dostupan na zahtjev.

4.1. Postavljanje simulacije

Naše simulacije prate algoritam 1 za AM proces. Inicijaliziramo naivni repertoar B ćelija (10,000 ćelija) sa B ćelijskim receptorima koji su predstavljeni slučajnim nizom od 10-50 aminokiselina, gdje je svaka aminokiselina jednoliko nacrtana na prostoru od 61 ne -stop kodoni (stvarajući neujednačenu distribuciju po aminokiselinama). Mi simuliramo antigene kao sekvence izvedene iz poznatih antigenskih sekvenci pilećeg ovalbumina, goveđeg mlijeka i pšenice (Honma et al. 1996; Liu i Sathe, 2018). Svaka antigenska sekvenca ima 17 aminokiselina za konzistentnost. Simuliramo metriku afiniteta s između B ćelije i antigena koristeći standardnu ​​funkciju lokalnog poravnanja MATLAB, koja pronalazi optimalno poravnanje između dvije sekvence koristeći BIOSUM50 matricu i vraća rezultat koji odražava koliko su dvije sekvence slične u ovom poravnanju Henilkoff i Henikoff, 1992. Koristimo ovaj rezultat kao meru afiniteta između receptora B ćelija i antigena radi jednostavnosti, ali imajte na umu da je to samo gruba aproksimacija složenije strukturne kompatibilnosti između receptora B ćelija i antifona.

Mutacije B ćelije tokom AM se modeluju u kodonskom prostoru, gde se kodoni receptora B ćelije zamenjuju jednim od 61 mogućnosti kodona. Dok SHM mutira B ćelije na nivou jednog nukleotida, rad u prostoru kodona sprečava dodatnu komplikaciju filtriranja besmislenih sekvenci receptora B ćelija. Osim zamjene kodona, kodoni u sekvencama receptora B ćelija mogu se ubaciti ili izbrisati. Manje je vjerovatno da će doći do umetanja i brisanja nego zamjene za drugi kodon, na osnovu stopa svake vrste mutacije uočene kod ljudi (Gibbs et al., 2003; 1000 Genomes Project Consortium et al., 2015; Zia i Moses, 2011). Kodoni koji definiraju svaki B ćelijski receptor su odabrani da mutiraju nasumično, ali mi simuliramo kodone koji sadrže C citozine za C þ 1 put vjerojatnije da će mutirati od kodona bez citozina, što odražava biološke predrasude motiva nukleotidne sekvence (Martin et al. , 2015; Stavnezer, 2011; Chen i MacCarthy, 2017; Keim et al., 2013). Također namećemo pristrasnost prijelaza između kodona, čineći neke zamjene vjerovatnijim od drugih na osnovu matrice promjenjivosti izvedene iz matrice BLOSUM50 (Henikoff i Henikoff, 1992; Veerassamy et al., 2003).

Za našu početnu simulaciju primarnog adaptivnog imunološkog odgovora na antigen (primarni odgovor), nasumično odabiremo 50 naivnih B ćelija iz repertoara B ćelija od prvih 1,000 od 10,000 naivnih Repertoar B ćelija u smislu afiniteta prema pomenutom antigenu. Ovo odražava regrutaciju naivnih B ćelija sa određenim delimičnim afinitetom od strane TFH ćelija prema zametnim centrima (Mesin et al., 2016; Tas et al., 2016). Ovih 50 'osnivača' B ćelija se zatim umnožava 20 puta kako bi se formirala populacija zametnog centra od 1,000 ćelija, što odražava period rasta formiranja zametnog centra (Amitai et al., 2017). Za svaku iteraciju simulacije, 50 B ćelija se bira za proliferaciju i 50 B ćelija se bira za uklanjanje. B ćelije većeg afiniteta imaju veću verovatnoću selekcije za proliferaciju, dok B ćelije nižeg afiniteta imaju veću verovatnoću selekcije za uklanjanje. B ćelije odabrane za proliferaciju su duplicirane i mutirane, zamjenjujući sve B ćelije odabrane tokom ove iteracije. Ovaj proces imitira apoptozu B ćelija niskog afiniteta zbog nedostatka pomoći ćelijama TFH i proliferacije B ćelija sa visokim afinitetom nakon što su odabrane od strane TFH ćelija. Ove mutacije imaju mogućnost povećanja, smanjenja ili nemaju utjecaja na afinitet receptora B stanica. Također namećemo ograničenja na koje se mutacije mogu pojaviti na određenoj iteraciji, simulirajući negativan proces selekcije zbog štetnih ili potencijalno opasnih mutacija. Cijeli ovaj proces se ponavlja preko 100 iteracija.

Kao osnovu za simulacije 1 i 2, izdvajamo 50 ćelija tokom prve polovine naše simulacije primarnog odgovora kao simulirane memorijske B ćelije. Ćelije se nasumično biraju iz gornjeg 25. percentila B ćelija zametnog centra. Još 50 ćelija se bira na samom kraju primarnog odgovora da predstavljaju plazma B ćelije, gde ove ćelije pokazuju najviše 50 rezultata afiniteta prema antigenu. Ovo odražava neznatno odstupanje od algoritma 1, pošto ne znamo ta priori prag. Određujemo t za sekundarni odgovor na osnovu afiniteta plazma ćelija odabranih na kraju primarnog odgovora. Kao što se i očekivalo, simulirane memorijske B ćelije imaju sveukupno niži afinitet prema antigenu u poređenju sa B ćelijama plazme, ali viši od početnog skupa naivnih B ćelija.

Naše simulirane mutacije antigena za sekundarni odgovor su izvedene iz uniformne nasumične zamjene bilo kojeg kodona za bilo koji drugi (uključujući eventualno samog sebe, tj. no-op), što stvara neujednačenu distribuciju po aminokiselinama kao neke aminokiseline su kodirane s više kodona. Mutacije antigena također mogu uključivati ​​insercije ili delecije kodona, s jednakom vjerovatnoćom bilo kojeg kodona.

4.2. Simulacija 1: Afinitet prema mutiranom antigenu

Sekundarna infekcija može uključivati ​​antigen koji je mutiran ili antigen koji je sličan srodnim patogenom. Simuliramo promjene u antigenu iz primarne u sekundarnu infekciju izazivajući suprotstavljene mutacije na našoj antigenskoj sekvenci. Prvo, generišemo 1,000 uniformno nasumične mutacije niza antigena a. Slučajne mutacije mogu biti zamjena bilo koje amino kiseline bilo kojom drugom, umetanje bilo koje amino kiseline ili brisanje aminokiseline. Od tih kandidatskih mutacija, zadržavamo onu koja ima najniži prosječni afinitet (najgori slučaj) prema skupu od 50 plazma B ćelija iz primarnog odgovora, kako bismo odražavali da bi potencijalno opasna sekundarna infekcija vjerovatno bila uzrokovana mutacijom koja je izazovnija. Ovaj nasumični proces ponavljamo ukupno K puta da bismo proizveli antigen sa K mutacijama. Smatramo da je protivnički antigen najgori slučaj realizacije P; od mutacija kandidata.

Zatim testiramo različite populacije B ćelija prema pretpostavljenom cilju (4). Slika 3 pokazuje prosječan afinitet između sve mutiranijih antigena (pileći ovalbumin, goveđe mlijeko i pšenica) sa mutacijama K=1.... 10 za različite populacije ćelija na kraju primarnog odgovora u prosjeku je iznosilo 100 neovisnih ciklusa (Honma et al, 1996; Liu i Sathe, 2018). Slika 3 pokazuje da su naše simulirane B ćelije plazme najbolji izbor za maksimiziranje(4) za mali broj suprotstavljenih mutacija, naše simulirane memorijske B ćelije su najbolji izbor između ~2-6 mutacija, a naivne B ćelije su najbolje nakon mnogih mutacija (7 plus ). Naše simulacije su previše pojednostavljene da bi specifične prelazne tačke bile značajne, ali mi tvrdimo da pružaju snažne dokaze da B ćelije plazme verovatno nisu optimalne za identifikaciju značajno mutiranih antigena. Ovo dalje može sugerirati da postoji neka regija u mutacijskom prostoru gdje su memorijske B ćelije korisnije od plazma B ćelija ili naivnih B ćelija kao početni uslov za sekundarni odgovor.

Pretpostavljamo da je činjenica da B ćelije plazme nemaju uvijek najveći afinitet prema mutiranim antigenima uzrokovana većom raznolikošću memorijskih B stanica i naivnih B stanica. Dok se mutacije javljaju u DNK prostoru, relevantna raznolikost je u rezultirajućem nelinearnom fizičkom i biohemijskom prostoru koji definira afinitet prema antigenu. Približno mjerenje raznolikosti B ćelija u svakoj populaciji koristeći parove BLOSUM sličnosti u svakom skupu pokazuje značajne razlike u raznolikosti, pri čemu B ćelije plazme imaju prosječnu sličnost BLOSUM-a unutar skupa od 46, a memorijske B ćelije imaju mnogo niži prosjek unutar skupa BLOSUM sličnost od ~27, a naivne B ćelije imaju još nižu unutar seta BLOSUM sličnost od ~9 (iz reprezentativnog primarnog odgovora).

4.3. Simulacija 2: Potrebne mutacije za trening plazma B ćelija sekundarnog odgovora

U ovoj simulaciji upoređujemo koliko dobro tri tipa B ćelija djeluju kao sjeme za zametni centar sekundarnog odgovora. Mi oponašamo trening sekundarnog odgovora novog seta plazma B ćelija optimizovanih za visok afinitet prema mutiranom antigenu (opisano u Simulaciji 1). Inicijaliziramo optimizaciju plazma B ćelija sekundarnog odgovora sa jednim od tri izbora: (i) N=50 plazma B ćelija generiranih u primarnoj odgovornosti za originalni antigen a, (ii) N=50 memorija B ćelije stvorene u primarnoj odgovornosti za originalni antigen a, ili (i)N=50 naivne B ćelije. Naselimo zametni centar na identičan način kao i primarni odgovor, koristeći tri seta od 50 B ćelija kao naše nove ćelije osnivače. Kao iu primarnom odgovoru, naivne B ćelije su nasumične, ali su odabrane da imaju neki početni afinitet prema sada mutiranom antigenu kako bi simulirali regrutaciju u zametni centar. Svaki od ova tri klina centra sekundarnog odgovora prolazi kroz AM na identičan način kao i primarni odgovor.

Slika 4 su reprezentativni primjeri višestrukih simulacija sekundarnog odgovora, s obzirom na isti primarni odgovor i iste K=1.....10 mutacije na antigenu goveđeg mlijeka (Liu i Sathe, 2018.) . Konkretno, pokazuje prosečan afinitet ćelija sa najvećim afinitetom od 0,05 procenata tokom 100 iteracija u sekundarnim odgovorima. Slika 4 naglašava da za samo jednu ili dve mutacije antigena, B ćelije plazme imaju tendenciju da imaju najveći početni afinitet prema mutiranom antigenu. Za tri ili više suprotstavljenih mutacija, naivne i memorijske B ćelije su bolji početni uslovi za sekundarni odgovor od plazma B ćelija primarnog odgovora i dostižu afinitet od t u manje iteracija (slike 4 i 5). kako regrutovane naivne B ćelije sekundarnog odgovora imaju tendenciju da imaju veći početni afinitet prema mutiranom antigenu od bilo B ćelija primarnog odgovora ili B ćelija memorije nakon što je antigen dovoljno mutiran. Ovo je bilo očekivano, ali smo bili iznenađeni koliko je malo mutacija bilo potrebno da naivne B ćelije imaju najveći afinitet pri prvoj iteraciji sekundarnog odgovora. To je. za relativno malo kodonskih mutacija u novom antigenu, nalazimo empirijske dokaze da je zasijavanje sekundarnog odgovora prvenstveno B ćelijama iz naivnog repertoara poželjna strategija. Nismo bili u mogućnosti da simuliramo regiju u prostoru mutacije gdje su memorijske B ćelije iz primarnog odgovora dosljedno imale najveći afinitet pri prvoj iteraciji sekundarnog odgovora, vjerovatno zbog značajnih varijacija između simuliranih sekundarnih odgovora.

Slično, slika 5 prikazuje prosječan broj iteracija za plazmu, memoriju i naivne B ćelije da bi se postiglo t ukupnih simulacija sekundarnog odgovora za sva tri antigena. Broj iteracije, u kojem je dostignut prag t, prosječen je za sve simulacije sekundarnog odgovora za 50 nezavisnih simulacija primarne odgovornosti za svaki antigen. Opet, naše simulacije nisu pokazale područje mutacionog prostora u kojem su memorijske B ćelije bile dosljedno najbolji topli startni uvjeti. Otkrili smo da se ovo zadržava u nekoliko poboljšanja naše simulacije, što sugerira da ovaj nalaz možda nije artefakt previše grube simulacije. Pretpostavljamo da je to zbog odabira naivnih B ćelija za sekundarni germinalni centar koji je pristrasan da ima neki početni afinitet prema mutiranom antigenu (kao što je opisano u simulaciji primarnog odgovora). To jest, naivne B ćelije na slici 4 su odabrane za početni afinitet prema a, dok su memorijske i plazma B ćelije izvedene iz naivnih B ćelija odabrane da imaju neki početni afinitet prema originalnom antigenu a (slika 3). Prvobitno smo sumnjali da je naš afinitet za selekciju naivnih ćelija prejak, ali i naivne i memorijske B ćelije se regrutuju istovremeno u pravim sekundarnim germinalnim centrima kako bi imali najbolje šanse za stvaranje novih plazma B ćelija. Zapravo, nedavni eksperimentalni dokazi sugeriraju da se germinalni centri sekundarnog odgovora sastoje od više naivnih B ćelija nego što se ranije mislilo (Mesin et al, 2020). Takođe je moguće da postoji režim mutacije antigena za koji su memorijske B ćelije zaista efikasnije od naivnih B ćelija za topli početak, ali da naše simulacije nisu bile dovoljno realne da to uhvatimo.

Napominjemo da simulacijama sekundarnog odgovora često treba više od 100 iteracija da dostignu prag afiniteta t iz njihove odgovarajuće primarne simulacije. Prilikom izračunavanja prosječnog broja iteracija za dostizanje t u Fg.5, ove slučajeve postavljamo na maksimalni broj iteracije od 100. Pretpostavljamo da se ovaj fenomen događa jer suprotstavljene mutacije d mogu stvoriti teži problem za simulirani zametni centar riješiti. To jest, mutacije mogu biti posebno pristrasne prema potencijalnim slabim područjima u prostoru vjerovatnoće mutacije kao rezultat ciljeva preživljavanja samog antigena.

5. Zaključci i otvorena pitanja

Pretpostavili smo da se dvojna uloga memorijskih B ćelija može obuhvatiti sa dva cilja (4) i (5) i da ti ciljevi ne bi bili tako dobro optimizirani kopiranjem plazma B ćelija koje su obučene za (1), zbog svojih prekomjerno uklapanje originalnog antigena. Naše simulacije, iako su ograničene, pružaju snažne dokaze da B ćelije plazme neće optimizirati (4) ili (5) nakon što antigen prođe dovoljne suprotstavljene mutacije. Vjerujemo da ova suboptimalnost plazma B ćelija u odnosu na mutirane antigene daje ulogu za različite mehanizme selekcije koji se koriste za memorijske B ćelije.

Naše simulacije pokazuju ograničen raspon mutacija antigena nad kojima naše simulirane memorijske B ćelije mogu biti optimalne; za značajne mutacije, pokazujemo da slučajne naivne B ćelije mogu raditi još bolje. Biološki, ovaj zaključak je podržan nedavnim nalazima o sekundarnim adaptivnim imunološkim odgovorima, gdje naivne B ćelije čine veliku većinu B ćelija u sekundarnim germinalnim centrima (Mesin et al, 2020). Umjesto toga, memorijske B stanice se često koriste za direktnu diferencijaciju u plazma B stanice, umjesto da prolaze dalje somatske hipermutacije (Mesin et al, 2020). Plazma B ćelije su jednokratno rješenje i vrlo su prilagođene trenutnom antigenu od interesa. Memorijske B ćelije pružaju približnije rješenje za trenutni antigen, koji se čuva u tijelu kako bi prepoznao buduće antigene sa sličnim karakteristikama. Ako se budući antigen toliko razlikuje od onoga što je ranije naišao imuni sistem da ga nijedna memorijska B ćelija ne može identificirati, novo rješenje se formira od nule koristeći naivne B ćelije.

Memorijske B ćelije igraju dvije uloge, obje se diferenciraju u plazma B ćelije i ponovo iniciraju germinativne centre, ali ove uloge mogu igrati različite subpopulacije (Dogan et al.2009; Weisel i Shlomchik, 2017). Ove različite subpopulacije memorijskih B-ćelija mogle su biti rezultat različitih AM procesa, ili promjena u AM procesu tokom AM vremenskog raspona koje nismo eksplicitno modelirali u našem algoritmu 1 (Weisel et al, 2016). Stoga se naša dva cilja B-ćelija pamćenja u (4) i (5) mogu primijeniti na nezavisne populacije B-ćelija pamćenja. Ovdje smo istraživali pojednostavljeni model, gdje su memorijske B ćelije smatrane jedinstvenom grupom. Međutim, nismo bili u mogućnosti da simulacijama pokažemo režim u kojem su memorijske B ćelije bile očigledno bolje od sekundarnih naivnih B ćelija za ponovno pokretanje sekundarnog germinalnog odgovora. Naši rezultati sugeriraju da bi ovaj zadatak ponovne inicijalizacije mogao biti slabija ili rjeđa uloga memorijskih B ćelija. Ovi rezultati su u skladu s nedavnim eksperimentalnim dokazima da su slično zabilježene memorijske B ćelije bile manje zastupljene u sekundarnim zametnim centrima nego što se ranije pretpostavljalo (Mesin et al., 2020). Međutim, čak i ako memorijske B ćelije nisu uvijek potrebne za sekundarni odgovor, moglo bi biti da su u nekim slučajevima vrlo važne za topli početak, što i dalje može vršiti evolucijski pritisak na njihov proces selekcije. Evolucijski pritisci na selekciju memorijskih B ćelija u prirodi nisu poznati, ali se mogu razjasniti integracijom kompjuterskih simulacija i bioloških eksperimenata. Aktivno praćenje afiniteta B ćelija tokom sazrevanja afiniteta, kao i otkrivanje kada i zašto GC B ćelije postaju memorijske B ćelije, može pomoći u razvoju preciznijih i složenijih modela u budućnosti.