Разбиране на избора на B клетка на паметта

За повече информация:ali.ma@wecistanche.com

РЕЗЮМЕ

Адаптивната имунна система на бозайниците се е развила в продължение на милиони години, за да се превърне в невероятно ефективна защита срещу чужди антигени. Хуморалният отговор на адаптивната имунна система създава плазмени В клетки ипамет Бклетки, всеки със свои собствени имунологични цели. Процесът на съзряване на афинитета широко се разглежда като евристика за решаване на глобалния оптимизационен проблем за намиране на В клетки с висок афинитет към антигена. Въпреки това,памет Бклеткиизглежда, че са целенасочено избрани по-рано в процеса на узряване на афинитета и имат по-нисък афинитет. Ние предлагаме товаВ клетка на паметтапроцесът на селекция може да бъде приблизително решение на два проблема с оптимизацията: оптимизиране за афинитет към подобни антигени в бъдеще въпреки мутациите или други незначителни разлики и оптимизиране за топъл старт на генерирането на плазмени В клетки в бъдеще. Ние използваме симулации, за да предоставим доказателства за нашите хипотези, като вземаме предвид данни, показващи, че някои мутации на B клетки са по-вероятни от други. Нашите констатации са в съответствие с В-клетките на паметта, които имат висок афинитет към мутирали антигени, но не предоставят убедителни доказателства, чеВ клетки на паметтаще бъдат по-полезни от избрани наивни В клетки за посяване на вторичните зародишни центрове.

Кликнете върху Cistanche NZ за памет

1. Въведение

Имунната система е ефективна система за намаляване на заплахите, която използва няколко научени алгоритми за идентификация. Докато вродената имунна система е умела в идентифицирането на чужди нашественици или антигени, тя трябва да ангажира адаптивната имунна система, за да създаде по-масов и специфичен отговор. Основен аспект на хуморалния отговор на адаптивната имунна система е обучението на два типа В клетки чрез процес, наречен афинитетно съзряване (АМ): плазмени В клетки, които генерират антитела за идентифициране на текущия антиген, иВ клетки на паметтакоито се използват в последващи имунни отговори за идентифициране на подобни антигени в бъдеще. Процесът на АМ е много необичаен, тъй като специфичен регион на ДНК в участващите В клетки е мутиран, за да генерира потомство, което е избрано да има по-висок афинитет към въпросния антиген. Запазването на ДНК последователности обикновено е от изключителна важност в повечето клетки, но областта на генома, която определя формата на В-клетъчния рецептор, трябва бързо да се модифицира, за да може В-клетъчният рецептор да има шанс да стане по-добър в разпознаването на антигена на интерес (Meyer-Hermann et al., 2012). Тези мутации са отговорни за невероятната способност на В-клетките да разпознават практически всеки антиген, който им е представен, което прави адаптивната имунна система на бозайниците една от най-ефективните системи за идентифициране на обучение в естествения свят.

Стивън Линдсли, Мая Гупта b, Купър Стансбъри, Индика Раджапаксе

Катедра по изчислителна медицина и биоинформатика, Университет на Мичиган, Ан Арбър, Съединени щати

b Google Research, Маунтин Вю, Калифорния, Съединени щати

c Департамент по математика, Мичигански университет, Ан Арбър, Съединени щати

В тази статия разглеждаме дали плазмените В клетки иВ клетка на паметтапроцесите на генериране могат да се тълкуват като опит за задоволяване на конкретни цели и ако е така, можем ли да посочим точно тези цели? Ние заимстваме стандартни идеи от машинното обучение, където е обичайно първо да се посочи идеален математически обект, който да бъде оптимизиран (като минимизиране на очаквания процент грешки на научена система за идентификация), след което да се предложат евристични алгоритми, които приблизително оптимизират тази математическа цел. По същия начин, ние предполагаме, че поради еволюционен натиск, процесите на АМ действат като евристика, която приблизително оптимизира за идеализирани имунологични цели. Ние предполагаме какви биха могли да бъдат тези еволюционно-адаптивни имунологични цели, след което сравняваме доколко различните В-клетки удовлетворяват тези цели, когато са изправени пред противоположно мутирали антигени чрез симулации. Тези констатации ни карат да предложим нови хипотези за имплицитните цели на обучението на имунната система на наивните В клетки да станатВ клетки на паметта.

Първо, в раздел 2, ние преглеждаме как наивните В клетки се набират и обучават да станат плазмени В клетки и представяме хипотеза за целите на това обучение математически. В раздел 3 разглеждаме целите на математическата оптимизация на по-загадъчния процес на обучение, който води до генериране наВ клетки на паметта. Ние определяме обучението на плазмените В клетки или обучението на плазмени В клетки като процес на генериране на плазмени В клетки от наивни В клетки по време на АМ. По подобен начин ние дефинираме обучението или обучението на В-клетките на паметтаВ клетки на паметтакато процес на генериране на В-клетки на паметта от наивни В-клетки по време на АМ. Тестваме нашите хипотези чрез симулации в раздел 4 и завършваме с обсъждане на отворени въпроси в раздел 5.

2. Обучение на плазмените В клетки

Ние преглеждаме процеса на АМ, който обучава наивни В-клетки да станат плазмени В-клетки, след което разглеждаме какви математически критерии може да е еволюирало обучението на плазмени В-клетки, за да се оптимизира.

2.1. Съзряване на афинитета на плазмените В клетки

АМ започва с набиране на наивни В клетки с известен първоначален афинитет към антигена към вторични лимфоидни органи. Тези наивни В клетки, заедно с Т фоликуларните хелперни (TFH) клетки и фоликуларните дендритни клетки, се концентрират във временни структури, известни като зародишни центрове (Фиг. 1A) (Meyer-Hermann et al., 2012; Tas et al., 2016). Зародишните центрове (GC) гарантират, че тези клетки са наблизо, като по този начин улесняват бързата мутация и оценката на рецепторните последователности на В клетките. По време на АМ, В клетките се оценяват от TFH клетки за техния афинитет към антигена чрез продължителността на взаимодействието между тях, въз основа на представянето на антиген от В клетки (Mesin et al., 2016; Murphy and Weaver, 2016). Ако първоначалният афинитет на В клетка е висок, тя получава химически сигнал от TFH клетката да се премести в отделна област на GC и да пролиферира. Докато В-клетката пролиферира, специфична част от генома, наречена хиперпроменлива област, е изложена на ензим, индуцирана от активиране цитидин деаминаза (AID) (Muramatsu et al., 2000; Bannard and Cyster, 2017). AID може да дезаминира цитозина, създавайки урацил, нуклеотид, който обикновено не се намира в ДНК. Операцията, която поправя тези промени, е податлива на грешки, което води до мутации в ДНК последователността (Martin et al., 2015).

Процесът на дезаминиране и мутации по време на възстановяване се нарича соматична хипермутация (SHM). След пролиферация, В-клетките се връщат в зоната на GC, съдържаща TFH клетки, и се преоценяват за техния афинитет към антигена. Този итеративен процес на пролиферация, мутация и оценка на афинитета продължава, докато В-клетките имат достатъчно висок афинитет към антигена. В този момент В-клетките се диференцират в плазмени В-клетки и започват да произвеждат антитела, които позволяват на имунната система да унищожи антигена.

2.2. Съзряването на афинитета като алгоритъм

Ние моделираме AM в Алгоритъм 1, който използваме за симулиране на AM в нашите експерименти. Ние опростяваме няколко известни или несигурни проблема относно AM, описани подробно в подраздел 2.3.

Всяка наивна В клетъчна рецепторна последователност се генерира на случаен принцип чрез комбинаторна комбинация от нейните V, D, J и C генни сегменти, както и чрез свързващо разнообразие между тези сегменти (Sompayrac, 2019). Наивните В клетки обхващат поне 100 милиона възможности (Sompayrac, 2019). Наивните В клетки, привлечени към зародишен център, са клетки, които вече имат някакъв обещаващ афинитет към антигена a. След това SHM мутира нуклеотиди в участък от ДНК последователността с дължина приблизително 100 базови двойки (bp), което допринася за дефинирането на структурата на В-клетъчния рецептор (Martin et al., 2015). Мутациите в хиперпроменливия регион са 106 пъти по-вероятни от мутациите извън този регион (Martin et al., 2015). Мутациите могат да бъдат размени, вмъквания и изтривания в категорично пространство, моделирано като fA; T; ° С; G;£g100, където £ означава изтриване. Трябва да се отбележи, че въпреки че комбинаторното пространство на възможните мутации е голямо, много специфични мутации незабавно водят до апоптоза. AM оптимизацията е паралелизирана и разпределена в G зародишни центрове, които алгоритмично могат да се разглеждат като G различни паралелни процесори. Ние моделираме различните зародишни центрове като работещи независимо, въпреки че може да има биохимично сигнализиране между тях. На практика един организъм се обучава за множество независими антигени едновременно, но за простота ние разглеждаме един антиген наведнъж.

2.3. Известни опростявания на Алгоритъм 1

Отбелязваме, че Алгоритъм 1 опростява няколко известни характеристики на AM. Вярваме, че тези опростявания са незначителни и че не засягат основните заключения от тази работа.

Ние моделираме алгоритъма като T дискретни итерации, но на практика AM е непрекъснат процес, който е частично ограничен във времето поради разпадането на антигена и външния натиск. Въпреки това, доколкото ни е известно, няма точно ограничение за броя на разделянията, които могат да се появят, или точна времева линия, която трябва да бъде спазена по време на АМ. Освен това има вероятност имунната система да не намери решение достатъчно бързо, причинявайки смъртта на гостоприемника. Въпреки че признаваме, че това се случва в естествената система, това не е фокусът на нашата симулация. Следователно ние използваме фиксиран брой итерации като приближение на времевите ограничения, пред които е изправена истинската имунна система. В допълнение, ние идентифицираме В клетките с най-висок афинитет в края на нашата симулация като плазмени В клетки за простота, но плазмените В клетки не се избират едновременно в края на АМ и може да нямат абсолютен най-висок афинитет.

Преди да започне SHM, първоначалната популация от В клетки може да е претърпяла ненасочена пролиферация, което означава, че първоначалната произволна проба може да бъде по-добре моделирана като произволни клъстери от В клетки. Алгоритъм 1 позволява на зародишните центрове да растат без граници, въпреки че оценката на отмирането ще има тенденция да ограничава размера на популацията в зародишните центрове. На практика размерът на зародишните центрове също е ограничен от ограниченията на физическия обем и ограниченията на биохимичните ресурси. Ние използваме постоянна скорост на умиране. но има някои доказателства, че вероятността от умиране намалява с увеличаване на афинитета (Anderson et al, 2009). Ние включваме опростена версия на това поведение чрез отклоняване на вероятностите за смърт на В клетки в зародишния център към клетки с по-нисък афинитет.

Т-клетките измерват близките В-клетки за техния афинитет, така че има само известна вероятност афинитетът на конкретна В-клетка да бъде измерен и тази вероятност афинитетът на В-клетката да бъде измерен се смята за функция на пространствената организация (която косвено е повлиян от афинитет) и директен афинитет. Афинитетът и пространствената близост на конкретна В клетка влияят на вероятността тя да бъде избрана и индуцирана да пролиферира. Ние не разглеждаме изрично пространствената организация между TaH клетките и В клетките. Силата на сигнала за пролиферация обикновено е пропорционална на афинитета на B-клетката, така че B-клетката с висок афинитет е по-вероятно да пролиферира много пъти, преди да се върне за друга итерация на оценка на афинитета (Mesin et al, 2016; De Silva and Klein, 2015 г.). Подобно на повишената вероятност от смърт за В-клетки с нисък афинитет, ние отклоняваме селекцията на В-клетки за пролиферация към В-клетки с по-висок афинитет.

Алгоритъм 1 може да опрости АМ и по други начини, за които не знаем или все още не са известни.

2.4. Плазмените В клетки се създават за оптимизиране на афинитета към антигена за ограничено време

АМ е процес, който отдавна е рамкиран като имунната система, действаща като глобален алгоритъм за оптимизация, опитвайки се да намери В клетка, която най-добре идентифицира даден антиген чрез SHM (Theodosopoulos и Theodosopoulos, 2002). Това означава, че AM действа като евристика за решаване, където a е даден антиген, b е B клетка от набора B от всички възможни B клетки и s е афинитетната функция, която моделира качеството на заключване- и-ключово физическо и биохимично взаимодействие на b и a. Обърнете внимание, че В е много голямо категорично пространство, дефинирано от ДНК последователността с променлива дължина, която кодира В клетъчния рецептор.

Въпреки това, цел (1) не признава факта, че не е необходимо плазмените В клетки да съвпадат перфектно с антигена. Всъщност изглежда, че има достатъчен афинитет s, така че след като се достигне афинитет на s, В клетката се индуцира да се диференцира в плазмена В клетка. Освен това, имунната система е подложена на натиск от време, за да произведе такива плазмени В-клетки с достатъчно висок афинитет възможно най-бързо.

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 и дадения набор 多. на начални наивни В клетки в зародишния център. За да уловим натиска на времето, ние моделираме вероятностни мутации на В клетки в зародишния център при всяка отделна времева итерация. Дадена е наивна B клетка b E, нека M(b)∈ е нова произволна B клетка, произведена от единична произволна мутация на b. Нека M*(b)= M(M(..(M(b))..)) обозначава случайната B клетка, генерирана след произволни мутации на b, така че произволната B клетка M(b)може да бъде която и да е от В клетките, достъпна чрез Kмутации M на първоначалната B клетка b, със съответните вероятности, зависещи от сбора на вероятностите на различните пътища на мутации, които биха могли да произведат M* (b), започвайки от b.

След това предполагаме, че процесът на селекция на плазмените В клетки е евристика, развита за минимизиране на броя на необходимите мутации K∈, така че средно K случайни мутации ще произведат поне една В клетка в зародишния център с достатъчен афинитет t към антигена:

където EI.] е стандартният оператор на очакване (средно) относно възможните резултати на случайната променлива, претеглени по техните вероятности. Тази цел е в съответствие с нашия Алгоритъм 1.

Ясно е, че имунната система не е съзнателно същество, което изрично формулира критериите (2) и впоследствие идентифицира евристика, за да я оптимизира. По-скоро предполагаме, че еволюционният натиск е избран за процес на генериране на плазмени В клетки, който оптимизира по-добре (2).

3. Трениране на В клетки на паметта

Подобно на плазмените В-клетки, В-клетките на паметта се създават в зародишния център, но има ключови разлики в генерирането на тези два типа клетки за постигане на съответните им цели (Mesin et al, 2016; Weisel and Shlomchik, 2017; Suan et ал, 2017). Първо преглеждаме как се създават В-клетките на паметта и след това обмисляме по какви критерии са оптимизирани, аналогично на нашите критерии (2) за плазмените В-клетки

3.1. Предистория на B клетките на паметта

Докато името В-клетка на паметта може да навежда на идеята, че В-клетката на паметта е дългосрочно копие на плазмена В-клетка, истината е по-сложна. В-клетките на паметта не преминават през целия процес на АМ, както правят плазмените В-клетки. Всъщност В-клетките на паметта се характеризират с относително нисък афинитет в сравнение с плазмените В-клетки и ниско натоварване на SHM (брой мутации, събрани от SHM) (Suan et al, 2017). Това означава, че докато В клетките на паметта имат първоначално висок афинитет към антиген по отношение на наивния В клетъчен репертоар, те не се подлагат на АМ до степента на плазмените В клетки и са склонни да имат по-нисък афинитет към текущия антиген, отколкото плазмените В клетки.

Генът BACH2 играе важна роля в развитието на В клетките на паметта в зародишния център и в тяхната евентуална диференциация (Suan et al, 2017: Shinnakasu et al, 2016). BACH2 е обратно пропорционално свързан с помощта, която В-клетката получава от Те-клетките, и получените слаби взаимодействия с Т-клетките позволяват експресията на BACH2 да остане висока. критично,

връзката между експресията на BACH2 и Тр клетките позволява известна помощ от Т-клетките за оцеляване на клетките в зародишния център, но предотвратява навлизането на В-клетъчния прекурсор в зоната, където той ще пролиферира и мутира чрез SHM. Това води до три подгрупи от В клетки в рамките на зародишния център: (1) В клетки с висок афинитет, които са избрани от Т клетките да пролиферират и мутират чрез SHM и в крайна сметка да доведат до плазмена диференциация на В клетки, (2) умерен афинитет B клетки (ниски в сравнение с плазмените В-клетъчни прекурсори, високи в сравнение със средните наивни В-клетки), чиято селекция от Tw клетки е смекчена от BACH2, което води до В-клетки на паметта, и (3) В-клетки с нисък афинитет, които получават малко или никаква помощ от Tw клетки, водещи до апоптоза (Mesin et al, 2020; Taylor et al, 2015).

В-клетките на паметта са подобни на наивните В-клетки по отношение на техните транскрипционни профили, което им позволява да циркулират свободно в организма и да наблюдават за бъдещи случаи на антигени. Въпреки тези прилики, те проявяват свръхекспресия на антиапоптотични гени, което позволява на В-клетките на паметта да живеят за изключително дълги периоди от време и следователно способността да разпознават антигени в бъдеще (Suan et al.2017).

3.2. За какво са оптимизирани В клетките на паметта?

Ако целта на имунната система беше запомняне наизуст на В-клетъчните рецептори с най-висок афинитет към текущия антиген а, може да очакваме репертоарът на рецепторите на В-клетките на паметта да бъде почти идентичен с репертоара на рецепторите на плазмените В-клетки, но не е така. Човек може алтернативно да очаква AM да се възползва от лукса на времето, с което разполага, преди да се нуждае от В-клетките на паметта да мутират повече, така че В-клетките на паметта да имат дори по-висок афинитет s(b, a) към антигена, отколкото плазмените В-клетки , допълнително оптимизиране (1). Това също не изглежда така. Въпреки че и двете опции трябва да са биологично осъществими, имунната система прави нещо коренно различно, за да създаде В-клетки на паметта: тя избира В-клетките на паметта по-рано в АМ, отколкото плазмените В-клетки, и по този начин В-клетките на паметта имат средно по-нисък афинитет s(ba) отколкото плазмените В клетки.

За да обясним защо В-клетките на паметта са толкова зле приспособени към текущия антиген a, ние предлагаме две хипотези за обективната функция, която В-клетките на паметта може евристично да се опитват да оптимизират. Нашите две хипотези следват от двойната роля на В-клетките на паметта (Dogan et al, 2009; Weisel and Shlomchik, 2017). Първо, когато бъдещите въплъщения на антигена атакуват, В-клетките на паметта се използват така, както са, за да се диференцират в плазмени В-клетки и да изкоренят мутиралия антиген. Второ, В-клетките на паметта се използват за загряване на вторичното обучение на AM на плазмени В-клетки. Всъщност последните доказателства показват, че голяма част от плазмените В клетки във вторичния отговор са В клетки на паметта от първия отговор, а някои В клетки на паметта също се използват за засяване на новите зародишни центрове за оптимизиране на вторичния отговор на плазмените В клетки ( Mesin et al, 2020).

3.3. Обучение за афинитет към мутирал антиген

Ние предлагаме, че ключовият проблем за В-клетките на паметта е, че бъдещият екземпляр на антигена, който те трябва да смекчат, е почти сигурно мутация на оригиналния антиген a. По времето, когато се създават В-клетките на паметта, бъдещият мутирал антиген а е неизвестен, но можем да го характеризираме като произволно мутирал антиген А. В тази статия използваме стандартната вероятностна нотация, че главна буква обозначава случайна променлива и съответната му малка буква обозначава реализацията на тази случайна променлива. Например, ако хвърлите шестстранен зар, произволната стойност Xe {1,2..6} се отнася за хвърлянето на зара, преди да го погледнете, защото в този момент знаете само вероятността от неговите шест стойности, но веднъж виждате хвърления зар, това е детерминистична стойност xE {1,2...,6}.

Нека A е случаен антиген, извлечен от някакво условно вероятностно разпределение PA~ja, което зависи от текущия антиген a и моделира вероятността от възможни бъдещи мутации на a и вероятността такава мутация да бъде представена на организма гостоприемник в рамките на живота на В клетки на паметта, избрани по време на имунния отговор към a. Ако за вторичен отговор беше необходима само една В-клетка на паметта, логично обобщение на (1) би било да се избере В-клетка на паметта, която средно ще има висок афинитет към произволно мутиралия антиген А.

Ако всички мутации на антиген a са еднакво вероятни и резултатът на афинитет s е хубава линейна функция, тогава решението на (3) може да бъде същото като (1). Но ние очакваме да има съществена асиметрия във вероятността за различни антигенни мутации, така че очакваме решението на (3) да бъде различно от решението на (1). Това е същият принцип като в известния цитат на Уейн Грецки за хокея, карам се до мястото, където ще бъде шайбата, а не там, където е била

Фигура 2 илюстрира критерия в (4), показвайки, че разнообразието в В-клетките на паметта помага да се покрие пространството на вероятните мутации на оригиналния антиген а. Критерият (4) предполага фиксиран избор на N, но ако можете също така да оптимизирате (4) за N, тогава винаги бихте предпочели по-голям брой N от B клетки на паметта. Съществува обаче и низходящ натиск върху N поради физическите ресурси, необходими за съхраняване и поддържане на тези клетки, и времеви натиск преди антигенът да се разпадне. Отново подчертаваме, че не правим хипотеза, че самите В клетки на паметта се опитват да оптимизират (4), а не еволюционният натиск би предпочел процесите на генериране на В клетки на паметта, които са оптимизирани (4).

3.4. Оптимизиране за топло стартиране на обучение за мутирал антиген

Не искаме да предполагаме, че В-клетките на паметта директно оптимизират (5), а по-скоро, че еволюционният натиск може да е предпочел процесите на селекция на В-клетките на паметта, които оптимизират по-добре (5). Цел (4) и цел (5) вероятно ще имат различни оптимални решения в зависимост от вероятността за различни мутации на антигена и В-клетките, въпреки че един и същ процес на селекция на В-клетките от евристична памет може да се справи доста добре и при двете цели. Все още не е известно колко важни са В-клетките на паметта за обучението на плазмените В-клетки на вторичния отговор в зародишните центрове, но някои доказателства показват, че зародишните центрове на вторичния отговор се състоят от повече наивни В-клетки, отколкото може да се очаква (Mesin et al., 2020 ).

3.5. Защо В-клетките на паметта не са копия на плазмените В-клетки?

Както (4), така и (5) изглежда изискват познаване на вероятностното разпределение PA~ на различните мутации, на които антигенът може да претърпи, и вероятностното разпределение PMK ðbÞ на мутирала В клетка след К мутации. Въпреки това, за много симетрични избори на PA~ и PMK ðbÞ, точните разпределения може да нямат голямо значение: имунната система може евтино да постигне добро приблизително решение на (4) и (5), като просто направи копия на В-клетките на паметта на плазмата В клетки; не изглежда да има никакво биохимично ограничение, което да предотвратява точната репликация. Въпреки това В-клетките на паметта всъщност изглеждат избрани по различен начин от плазмените В-клетки. Представяме две хипотези защо.

Първата ни хипотеза вече беше въведена в Раздел 3.3 и Фиг.2: тъй като имунната система може да избере набор от В-клетки на паметта в (4), струва си да има повече разнообразие в В-клетките на паметта, отколкото човек получава чрез копиране на плазмата В клетки. Плазмените В клетки са склонни да бъдат по-малко разнообразни, защото са обучени да оптимизират (1), което дори с множество локални минимуми във формата на sðb; aÞ ще ограничи тяхното разнообразие. В-клетките на паметта са по-разнообразни от плазмените В-клетки, тъй като са избрани по-рано в процеса на узряване. Вярваме, че това разнообразие е важно за оптимизиране на афинитета към мутиралия антиген съгласно (5), тъй като истинската функция на афинитет s е силно нелинейна функция на аминокиселинните последователности на В клетка b и антиген a, които възникват от сложни биохимични свойства и физически структури със заключване и ключ (Carneiro and Stewart, 1994; Kilambi and Gray, 2017; Ambrosetti et al., 2020)

Нашата втора хипотеза е, че целта за топъл старт (5) за вторичните зародишни центрове не е добре оптимизирана от копие на набора от плазмени В клетки, тъй като има доказателства, че вероятностите PMjb на случайните мутации на В клетките в SHM са асиметрична: определени мутации на В клетките са много по-вероятни от други. Това прави някои В-клетки по-гъвкава отправна точка за топъл старт от оригиналните плазмени В-клетки, които може да имат проблеми с мутирането, за да съответстват на новия антиген. Доказателство за асиметричен PMjb е, че много изследователи са отбелязали AID преференциално насочване към специфични мотиви (Martin et al., 2015; Stavnezer, 2011; Chen and MacCarthy, 2017; Keim et al., 2013). Тъй като мутациите по дефиниция биха променили специфичната последователност, към която е насочен AID, разумно е да се заключи, че първата мутация на това място е по-лесна от бъдещите. След като последователността бъде променена, AID е по-малко вероятно да се насочи към това местоположение. Като цяло, преференциалното насочване на AID би затруднило този регион да мутира допълнително или да се върне обратно към оригиналната последователност.

Тази асиметрия във вероятността за движение в пространството на всички В клетки чрез мутации по време на АМ създава прекъсване на връзката между целта на плазмените В клетки (1) и целта да бъде добро решение за топъл старт за бъдещо обучение на плазмени В клетки съгласно (5 ). По-конкретно, плазмена В клетка може да е направила много трудни за обръщане мутации, за да оптимизира (1) за текущия антиген a. Обратно, избраните В клетки на паметта изглеждат недостатъчно оптимизирани за напасване на текущия антиген a, но ние предполагаме, че те могат по-лесно да мутират във вторичен отговор AM, за да паснат по-добре на случайния бъдещ антиген A~. Като цяло отбелязваме, че колко добре целите (1), (4) и (5) се подравняват зависи от симетрията на PA~; PMjb и нелинейността на s.

4. Симулации

Ние използваме алгоритъма AM (алгоритъм 1), за да моделираме как плазмените В клетки и В клетките на паметта се обучават и показваме чрез две симулации, че симулираните В клетки на паметта са по-добри от симулираните плазмени В клетки при оптимизиране на нашите хипотетични цели (4) и ( 5), като по този начин предоставя доказателство, че тези цели са биологично разумни. Първо демонстрираме механиката на съзряването на афинитета в симулирани първични имунни отговори, след което сравняваме различни потенциални начални условия за симулирани вторични имунни отговори.

Тези симулации не отчитат всички проблеми от реалния свят, като например, че вирусна мутация не трябва да навреди на функционалността на вируса и проблемите, описани в 2.3. Въпреки тези ограничения, ние твърдим, че тези симулации улавят много от ключовите въпроси, необходими, за да илюстрират, че нашите хипотетични цели са в съответствие с разликата в обучението на В клетките на плазмата и паметта. Пълният код за нашите симулации ще бъде предоставен при поискване.

4.1. Настройка на симулация

Нашите симулации следват Алгоритъм 1 за AM процеса. Инициализираме наивен В-клетъчен репертоар (10,000 клетки) с В-клетъчни рецептори, които са представени от произволна последователност от 10-50 аминокиселини, където всяка аминокиселина е начертана равномерно върху пространството от 61 не -стоп кодони (създаващи неравномерно разпределение върху аминокиселините). Ние симулираме антигените като последователности, получени от известни антигенни последователности на пилешки овалбумин, говеждо мляко и пшеница (Honma et al. 1996; Liu and Sathe, 2018). Всяка антигенна последователност е дълга 17 аминокиселини за постоянство. Ние симулираме показателя за афинитет s между В клетка и антигена, като използваме стандартната функция за локално подравняване MATLAB, която намира оптималното подравняване между две последователности, използвайки матрицата BIOSUM50 и връща резултат, отразяващ колко подобни са две последователности в това подравняване Henilkoff и Henikoff, 1992 г. Използваме този резултат като мярка за афинитет между В-клетъчния рецептор и антигена за простота, но имайте предвид, че това е само грубо приближение на по-сложната структурна съвместимост между В-клетъчния рецептор и антифон.

Мутациите на В-клетката по време на АМ се моделират в пространството на кодона, където кодоните на В-клетъчния рецептор се заменят с една от 61-те възможности за кодон. Докато SHM мутира В клетките на едно нуклеотидно ниво, работата в пространството на кодона предотвратява допълнителното усложнение на филтрирането на безсмислени В клетъчни рецепторни последователности. В допълнение към замяната на кодони, кодоните в В клетъчни рецепторни последователности могат да бъдат вмъкнати или изтрити. Вмъкванията и делециите са по-малко вероятни от размяната за друг кодон, въз основа на честотата на всеки тип мутация, наблюдавана при хора (Gibbs et al., 2003; 1000 Genomes Project Consortium et al., 2015; Zia and Moses, 2011). Кодоните, определящи всеки В-клетъчен рецептор, са избрани да мутират на случаен принцип, но ние симулираме кодони, които съдържат С цитозини, за да бъдат C þ 1 път по-вероятно да бъдат мутирани, отколкото кодони без цитозин, отразявайки биологични отклонения към мотивите на нуклеотидната последователност (Martin et al. , 2015; Stavnezer, 2011; Chen и MacCarthy, 2017; Keim et al., 2013). Ние също така налагаме преходно отклонение между кодоните, което прави някои суапове по-вероятни от други въз основа на матрица на променливост, получена от матрицата BLOSUM50 (Henikoff и Henikoff, 1992; Veerassamy et al., 2003).

За нашата първоначална симулация на първичен адаптивен имунен отговор към антиген (първичен отговор), ние произволно избираме 50 наивни В-клетки от В-клетъчния репертоар от първите 1,000 от 10,000 наивни В клетъчен репертоар по отношение на афинитета към споменатия антиген. Това отразява набирането на наивни В клетки с известен частичен афинитет от TFH клетки към зародишни центрове (Mesin et al., 2016; Tas et al., 2016). След това тези 50 „основателни“ В клетки се дублират 20 пъти, за да образуват популация от зародишни центрове от 1,000 клетки, отразяващи периода на растеж на образуването на зародишни центрове (Amitai et al., 2017). За всяка итерация на симулацията се избират 50 В клетки за пролиферация и 50 В клетки се избират за отстраняване. В-клетките с по-висок афинитет имат по-висока вероятност за селекция за пролиферация, докато В-клетките с по-нисък афинитет имат по-висока вероятност за селекция за отстраняване. В клетките, избрани за пролиферация, се дублират и мутират, замествайки всички В клетки, избрани по време на тази итерация. Този процес имитира апоптоза на В-клетки с нисък афинитет от липса на TFH клетъчна помощ и пролиферация на В-клетки с висок афинитет, след като са били избрани от TFH-клетки. Тези мутации имат възможността да увеличат, намалят или да нямат ефект върху афинитета на В-клетъчните рецептори. Ние също така налагаме ограничения върху това кои мутации могат да възникнат при конкретна итерация, симулирайки процес на отрицателна селекция поради увреждащи или потенциално опасни мутации. Целият този процес се повтаря над 100 итерации.

Като основа за двете симулации 1 и 2, ние извличаме 50 клетки по време на първата половина от нашата първична симулация на отговор като симулирани В клетки на паметта. Клетките се избират на случаен принцип от горния 25-ти персентил на В клетките на зародишния център. Други 50 клетки се избират в самия край на първичния отговор, за да представляват плазмени В клетки, където тези клетки показват най-високите 50 афинитетни резултати към антигена. Това отразява леко отклонение от алгоритъм 1, тъй като не знаем прага ta priori. Установяваме t за вторичния отговор въз основа на афинитета на плазмените клетки, избрани в края на първичния отговор. Както се очакваше, симулираните В клетки на паметта имат като цяло по-нисък афинитет към антигена в сравнение с плазмените В клетки, но по-висок от първоначалния набор от наивни В клетки.

Нашите симулирани мутации на антигена за вторичния отговор са получени от еднакво произволно разменяне на който и да е от кодоните за всеки друг (включително евентуално себе си, т.е. без операция), което създава неравномерно разпределение върху аминокиселините като някои аминокиселини са кодирани от множество кодони. Мутациите на антигена могат също да включват инсерции или делеции на кодони, с еднаква вероятност за всеки кодон.

4.2. Симулация 1: Афинитет към мутирал антиген

Вторичната инфекция може да включва антиген, който е мутиран, или антиген, който е подобен на свързан патоген. Ние симулираме промените в антигена от първичната към вторичната инфекция, като причиняваме противоположни мутации на нашата антигенна последователност. Първо, ние генерираме 1,000 равномерно произволни мутации на последователността на антиген a. Случайните мутации могат да бъдат замяна на всяка аминокиселина с която и да е друга, вмъкване на всяка аминокиселина или изтриване на аминокиселина. От тези кандидат мутации запазваме тази, която има най-нисък среден афинитет (в най-лошия случай) към набора от 50 плазмени В клетки от първичния отговор, за да отразим, че потенциално опасна вторична инфекция вероятно ще бъде от по-предизвикателна мутация. Ние повтаряме този произволен процес общо K пъти, за да произведем антиген с K мутации. Ние приемаме, че противопоставящият се антиген е най-лошата реализация на P; от кандидат мутациите.

След това тестваме различните В клетъчни популации чрез хипотетичната цел на (4). Фигура 3 показва средния афинитет между нарастващо мутирали антигени (пилешки овалбумин, говеждо мляко и пшеница) с мутации K=1.... 10 за различни клетъчни популации в края на първичния отговор е средно за 100 независими цикъла (Honma et al, 1996; Liu and Sathe, 2018). Фигура 3 показва, че нашите симулирани плазмени В клетки са най-добрият избор за максимизиране (4) за малък брой противоположни мутации, нашите симулирани В клетки на паметта са най-добрият избор между~2-6 мутации, а наивните В клетки са най-добри след много мутации (7 плюс ). Нашите симулации са твърде опростени, за да имат смисъл специфичните преходни точки, но ние твърдим, че те предоставят убедителни доказателства, че плазмените В клетки вероятно не са оптимални за идентифициране на значително мутирали антигени. Това може допълнително да предполага, че има някакъв регион в мутационното пространство, където В-клетките на паметта са по-полезни от плазмените В-клетки или наивните В-клетки като първоначално условие за вторичен отговор.

Ние предполагаме, че фактът, че плазмените В клетки не винаги имат най-висок афинитет към мутирали антигени, се дължи на по-голямото разнообразие на В клетките на паметта и наивните В клетки. Докато мутациите възникват в ДНК пространството, съответното разнообразие е в полученото нелинейно физическо и биохимично пространство, което определя афинитета към антигена. Приблизителното измерване на разнообразието на В клетките във всяка популация, използвайки приликите на BLOSUM по двойки във всеки набор, показва значителни разлики в разнообразието, като плазмените В клетки имат средно BLOSUM сходство в рамките на набора от 46, В клетките на паметта имат много по-ниска средна стойност в рамките на набора BLOSUM сходство от ~27, а наивните В клетки имат дори по-ниско BLOSUM сходство в рамките на набора от ~9 (от представителен първичен отговор).

4.3. Симулация 2: Мутации, необходими за обучение на плазмени В клетки на вторичен отговор

В тази симулация ние сравняваме колко добре се представят трите вида В клетки като семена за вторичния отговорен зародишен център. Ние имитираме обучение за вторичен отговор на нов набор от плазмени В клетки, оптимизирани за висок афинитет към мутирал антиген (описан в Симулация 1). Ние инициализираме оптимизирането на вторичния отговор на плазмените В клетки с един от трите избора: (i) N=50 плазмените В клетки, генерирани в основната отговорност за оригиналния антиген a, (ii) N=50 паметта В клетки, генерирани в основната отговорност за оригиналния антиген а, или (i)N=50 наивни В клетки. Ние населяваме зародишния център по идентичен начин с първичния отговор, използвайки трите комплекта от 50 В клетки като наши нови клетки-основатели. Както при първичния отговор, наивните В-клетки са произволни, но избрани да имат известен първоначален афинитет към вече мутиралия антиген, за да симулират набиране към зародишния център. Всеки от тези три зародишни центъра на вторичен отговор претърпява АМ по идентичен начин на първичния отговор.

Фиг.4 са представителни примери за множество симулации на вторичен отговор, като се има предвид същия първичен отговор и същите K=1.....10 мутации на антигена на говеждото мляко (Liu and Sathe, 2018) . По-конкретно, той показва средния афинитет на 0,05 процента клетки с най-висок афинитет за 100 итерации във вторични отговори. Фигура 4 подчертава, че само за една или две антигенни мутации, плазмените В клетки са склонни да имат най-висок първоначален афинитет към мутиралия антиген. За три или повече противопоставящи се мутации, наивните В клетки и В клетките на паметта са по-добри начални условия за вторичния отговор от плазмените В клетки на първичния отговор и достигат афинитет от t при по-малко итерации (Фигури 4 и 5). Фигура 4 също предава как рекрутираните В-клетки с вторичен отговор, наивни В-клетки, са склонни да имат по-висок първоначален афинитет към мутиралия антиген, отколкото плазмените В-клетки с първичен отговор или В-клетките на паметта, след като антигенът е достатъчно мутиран. Това се очакваше, но бяхме изненадани от това колко малко мутации са необходими на наивните В клетки, за да имат най-висок афинитет при първата итерация на вторичния отговор. Това е. за сравнително малко кодонови мутации в новия антиген, ние откриваме емпирични доказателства, че посяването на вторичен отговор с предимно В клетки от наивния репертоар е изгодна стратегия. Не успяхме да симулираме регион в мутационното пространство, където В-клетките на паметта от първичния отговор постоянно имаха най-висок афинитет при първата итерация на вторичния отговор, вероятно поради значителна вариация между симулираните вторични отговори.

По подобен начин Фигура 5 показва средния брой итерации за плазма, памет и наивни В клетки за достигане на общи симулации на вторичен отговор за трите антигена. Номерът на итерация, при който е достигнат прагът t, се осреднява за всички симулации на вторичен отговор за 50 независими симулации на първичната отговорност за всеки антиген. Отново, нашите симулации не показаха област на мутационно пространство, където В клетките на паметта бяха постоянно най-добрите условия за топъл старт. Открихме, че това продължава в няколко усъвършенствания на нашата симулация, което предполага, че това откритие може да не е артефакт от твърде груба симулация. Ние предполагаме, че това се дължи на подбора на наивни В клетки за вторичния зародишен център, който е склонен да има някакъв първоначален афинитет към мутиралия антиген (както е описано в симулацията на първичния отговор). Това означава, че наивните В клетки на Фиг. 4 са избрани за начален афинитет към а, докато В клетките на паметта и плазмата, получени от наивни В клетки, са избрани за това, че имат известен първоначален афинитет към оригиналния антиген а (Фиг. 3). Първоначално подозирахме, че нашата афинитетна пристрастност към селекцията на наивни клетки е твърде силна, но както наивните, така и В-клетките на паметта се набират едновременно в реални вторични зародишни центрове, за да имат най-добрия шанс за създаване на нови плазмени В-клетки. Всъщност скорошни експериментални доказателства предполагат, че зародишните центрове на вторичния отговор се състоят от повече наивни В клетки, отколкото се смяташе преди (Mesin et al, 2020). Възможно е също така да има режим на мутация на антиген, за който В-клетките на паметта наистина са по-ефективни от наивните В-клетки за топъл старт, но нашите симулации не са достатъчно реалистични, за да го уловят.

Отбелязваме, че симулациите на вторичен отговор често отнемат повече от 100 итерации, за да достигнат прага на афинитет t от съответната им първична симулация. Когато изчисляваме средния брой итерации за достигане на t във Фигура 5, задаваме тези случаи на максималния брой итерации от 100. Ние предполагаме, че това явление възниква, защото противопоставящите се мутации на d могат да създадат по-труден проблем за симулирания зародишен център разрешавам. Това означава, че мутациите могат да бъдат специфично предубедени към потенциални слаби области в пространството на вероятността за мутация в резултат на собствените цели за оцеляване на антигена.

5. Изводи и отворени въпроси

Ние предположихме, че двойната роля на В-клетките на паметта може да бъде уловена от две цели (4) и (5) и че тези цели няма да бъдат толкова добре оптимизирани чрез копиране на плазмени В-клетки, които са обучени за (1), поради техните пренастройване на оригиналния антиген. Нашите симулации, макар и ограничени, предоставят убедителни доказателства, че плазмените В клетки няма да се оптимизират (4) или (5), след като антигенът претърпи достатъчно противопоставящи се мутации. Вярваме, че тази неоптималност на плазмените В клетки срещу мутирали антигени осигурява роля за различните механизми за селекция, използвани за В клетките на паметта.

Нашите симулации показват ограничен диапазон от антигенни мутации, върху които нашите симулирани В клетки на паметта могат да бъдат оптимални; за съществени мутации показваме, че произволни наивни В-клетки могат да работят дори по-добре. Биологично, това заключение се подкрепя от скорошни открития за вторични адаптивни имунни отговори, където наивните В клетки съставляват по-голямата част от В клетките във вторичните зародишни центрове (Mesin et al, 2020). Вместо това В-клетките на паметта често се използват за директно диференциране в плазмени В-клетки, вместо да се подлагат на допълнителна соматична хипермутация (Mesin et al, 2020). Плазмените В клетки са еднократно решение и са силно свръхподходящи за настоящия антиген, който представлява интерес. В-клетките на паметта предоставят по-приблизително решение за текущия антиген, който се съхранява в тялото, за да разпознае бъдещи антигени с подобни характеристики. Ако бъдещият антиген е толкова различен от това, което преди това е било срещано от имунната система, че никакви В-клетки на паметта не могат да го идентифицират, ново решение се формира от нулата, като се използват наивни В-клетки.

В-клетките на паметта играят две роли, като и двете се диференцират в плазмени В-клетки и повторно инициират зародишни центрове, но тези роли могат да се играят от различни субпопулации (Dogan et al. 2009; Weisel and Shlomchik, 2017). Тези отделни субпопулации от В-клетки на паметта може да са резултат от различни процеси на АМ или промени в процеса на АМ през периода от време на АМ, който не сме изрично моделирали в нашия Алгоритъм 1 (Weisel et al, 2016). По този начин нашите две цели на В клетки на паметта в (4) и (5) могат да се прилагат за независими популации на В клетки на паметта. Тук изследвахме опростен модел, където В клетките на паметта се считат за обединена група. Въпреки това, ние не успяхме да покажем чрез симулации режим, при който В-клетките на паметта бяха очевидно по-добри от вторично наивните В-клетки за повторно иницииране на вторичния зародишен отговор. Нашите резултати предполагат, че тази задача за повторна инициализация може да бъде по-слаба или по-рядка роля на В-клетките на паметта. Тези резултати са в съответствие с последните експериментални доказателства, че подобно отбелязаните В клетки на паметта са по-малко разпространени във вторичните зародишни центрове, отколкото се предполагаше преди (Mesin et al., 2020). Въпреки това, дори ако В-клетките на паметта не винаги са необходими за вторичния отговор, може да се окаже, че в някои случаи те са много важни за топло стартиране, което все още може да упражнява еволюционен натиск върху техния процес на селекция. Еволюционният натиск върху селекцията на В клетките на паметта в природата не е известен, но може да бъде изяснен чрез интегриране на изчислителни симулации и биологични експерименти. Активното наблюдение на афинитета на В клетките по време на съзряването на афинитета, както и откриването кога и защо GC B клетките стават В клетки на паметта, може да помогне за разработването на по-точни и сложни модели в бъдеще.