Výpočetní imunologie - Computational immunology

v akademická obec, výpočetní imunologie je obor vědy který zahrnuje vysokou propustnost genomický a bioinformatika přístupy k imunologie. Hlavním cílem oboru je převést imunologická data na výpočetní problémy, vyřešit tyto problémy pomocí matematický a výpočetní přístupy a poté tyto výsledky převést na imunologicky smysluplné interpretace.

Úvod

The imunitní systém je komplexní systém lidského těla a jeho porozumění je jedním z nejnáročnějších biologických témat. Imunologický výzkum je důležitý pro pochopení mechanismů, které jsou základem obrany lidského těla, a pro vývoj léků na imunologická onemocnění a pro udržení zdraví. Nedávné poznatky v genomových a proteomických technologiích drasticky změnily imunologický výzkum. Sekvenování člověk a další modelový organismus genomy vytvořila stále větší objemy dat souvisejících s imunologickým výzkumem a současně se ve vědecké literatuře uvádí obrovské množství funkčních a klinických údajů a ukládá se do klinických záznamů. Poslední pokrok v roce bioinformatika nebo výpočetní biologie pomohly porozumět a uspořádat tato rozsáhlá data a vytvořily novou oblast, která se nazývá Výpočetní imunologie nebo imunoinformatika.

Výpočetní imunologie je odvětví bioinformatiky a je založena na podobných koncepcích a nástrojích, jako je např zarovnání sekvence a proteinová struktura predikční nástroje. Imunomics je disciplína jako genomika a proteomika. Je to věda, která se konkrétně kombinuje Imunologie s počítačová věda, matematika, chemie, a biochemie pro rozsáhlou analýzu funkcí imunitního systému. Jeho cílem je studovat komplex interakce protein-protein a sítě a umožňuje lepší pochopení imunitní odpovědi a jejich role během normálních, nemocných a rekonstitučních stavů. Výpočtová imunologie je součástí imunomiky, která je zaměřena na analýzu rozsáhlých experimentálních dat.[1][2]

Dějiny

Výpočtová imunologie začala před více než 90 lety teoretickým modelováním epidemiologie malárie. V té době byl kladen důraz na použití matematiky jako vodítka při studiu přenosu nemocí. Od té doby se pole rozšířilo o všechny ostatní aspekty procesů a nemocí imunitního systému.[3]

Imunologická databáze

Po nedávném pokroku v technologii sekvenování a proteomiky došlo k mnohonásobnému zvýšení tvorby molekulárních a imunologických dat. Data jsou tak různorodá, že je lze kategorizovat v různých databázích podle jejich použití ve výzkumu. Dosud je v databázi zaznamenáno celkem 31 různých imunologických databází Sbírka databází Nucleic Acids Research (NAR), které jsou uvedeny v následující tabulce, spolu s některými databázemi souvisejícími s imunitou.[4] Informace uvedené v tabulce jsou převzaty z popisů databází v Sbírka databází NAR.

DatabázePopis
ALPSbaseDatabáze autoimunitního lymfoproliferativního syndromu
AntigenDBPořadí, struktura a další údaje o patogenních antigenech.[5]
AntiJenKvantitativní údaje o vazbě pro peptidy a proteiny, které jsou předmětem imunologického zájmu.[6]
BCIpepTato databáze uchovává informace o všech experimentálně určených epitopech B-buněk antigenních proteinů. Toto je kurátorovaná databáze, kde jsou shromažďovány a kompilovány podrobné informace o epitopech z publikované literatury a existujících databází. Pokrývá širokou škálu patogenních organismů, jako jsou viry, bakterie, prvoky a houby. Každá položka v databázi poskytuje úplné informace o epitopu B-buněk, který zahrnuje aminokyselinové sekvence, zdroj antigenního proteinu, imunogenicitu, modelový organismus a test tvorby / neutralizace protilátek.[7]
dbMHCdbMHC poskytuje přístup k HLA sekvencím, nástrojům na podporu genetického testování HLA lokusů, HLA alel a frekvencí haplotypů více než 90 populací po celém světě, stejně jako klinické datové soubory o transplantaci hematopoetických kmenových buněk a diabetes mellitus závislý na inzulínu (IDDM), revmatoidní artritida ( RA), narkolepsie a spondyloartropatie. Další informace naleznete na tomto odkazu http://www.oxfordjournals.org/nar/database/summary/604[trvalý mrtvý odkaz ]
ČÍSLICEDatabáze imunoglobulinových sekvencí a integrovaných nástrojů.[8]
FIMMFIMM je integrovaná databáze funkční molekulární imunologie, která se zaměřuje na reakci T-buněk na antigeny specifické pro onemocnění. FIMM poskytuje plně odkazované informace integrované s nástroji pro získávání dat a sekvenční analýzu HLA, peptidů, epitopů T-buněk, antigenů, nemocí a představuje jednu z hlavních páteří budoucího výpočetního imunologického výzkumu. Údaje o proteinech antigenu byly obohaceny o více než 27 000 sekvencí odvozených z neredundantní databáze SwissProt-TREMBL-TREMBL_NEW (SPTR) antigenů podobných nebo příbuzných antigenů FIMM napříč různými druhy, aby se usnadnila komplexní analýza konzervovaných nebo variabilních epitopů T-buněk.[9]
Atlas exprese GPX-makrofágůAtlas exprese makrofágů GPX (GPX-MEA) je online zdrojem pro studie založené na expresi řady typů makrofágových buněk po léčbě patogeny a imunomodulátory. GPX Macrophage Expression Atlas (GPX-MEA) se řídí standardem MIAME a zahrnuje objektivní skóre kvality u každého experimentu. Klade zvláštní důraz na důsledné zachycení experimentálního designu a umožňuje statistickou analýzu dat exprese z různých experimentů s mikropolemi. Toto je první příklad zaměřené databáze exprese genů makrofágů, která umožňuje efektivní identifikaci transkripčních vzorů, které poskytují nový pohled na biologii tohoto buněčného systému.[10]
HaptenDBJedná se o komplexní databázi haptenových molekul. Toto je kurátorovaná databáze, kde jsou informace shromažďovány a kompilovány z publikované literatury a webových zdrojů. V současné době má databáze více než 1700 záznamů, kde každá položka poskytuje komplexní podrobnosti o haptenové molekule, která zahrnuje: i) povahu haptenu; ii) způsoby produkce anti-haptenových protilátek; iii) informace o nosném proteinu; iv) spojovací metoda; v) testovací metoda (použitá pro charakterizaci) a vi) specificity protilátek. Haptendb pokrývá širokou škálu haptenů od antibiotik biomedicínského významu po pesticidy. Tato databáze bude velmi užitečná pro studium sérologických reakcí a produkce protilátek.[11]
HPTAAHPTAA je databáze potenciálních antigenů asociovaných s nádorem, která využívá údaje o expresi z různých expresních platforem, včetně pečlivě vybraných veřejně dostupných údajů o expresi na mikročipu, údajů GEO SAGE a údajů o expresi Unigene.[12]
IEDB-3DStrukturální data v databázi imunitních epitopů.[13]
IL2RgbaseX-vázané závažné kombinované mutace imunodeficience.[14]
IMGTIMGT je integrovaný zdroj znalostí specializovaný na IG, TR, MHC, IG nadčeleď, MHC nadčeleď a příbuzné proteiny imunitního systému člověka a jiných druhů obratlovců. IMGTW zahrnuje 6 databází, 15 on-line nástrojů pro sekvenční, genovou a 3D strukturní analýzu a více než 10 000 stránek zdrojů Web. Standardizace dat založená na IMGT-ONTOLOGY byla schválena WHO / IUIS.[15]
IMGT_GENE-DBIMGT / GENE-DB je komplexní databáze genomu IMGT® pro geny pro imunoglobuliny (IG) a receptory T buněk (TR) z člověka a myši a ve vývoji i z jiných druhů obratlovců (např. Potkanů). IMGT / GENE-DB je součástí IMGT®, mezinárodního informačního systému ImMunoGeneTics®, vysoce kvalitního integrovaného zdroje znalostí specializovaného na IG, TR, hlavního histokompatibilního komplexu (MHC) lidských a jiných druhů obratlovců a souvisejících proteinů imunitního systému Systém (RPI), který patří do nadrodiny imunoglobulinů (IgSF) a do nadrodiny MHC (MhcSF).[16]
IMGT / HLAV současné době existuje více než 1600 oficiálně uznaných alel HLA a tyto sekvence jsou dostupné vědecké komunitě prostřednictvím databáze IMGT / HLA. V roce 1998 byla veřejně vydána databáze IMGT / HLA. Od té doby se databáze rozrostla a je primárním zdrojem informací pro studium sekvencí lidského hlavního histokompatibilního komplexu. Počáteční vydání databáze obsahovalo zprávy alel, nástroje pro zarovnání, nástroje pro odesílání a také podrobný popis zdrojových buněk. Databáze je čtvrtletně aktualizována o všechny nové a potvrzující sekvence předložené Výboru pro nomenklaturu WHO a v průměru je do každého čtvrtletního vydání zahrnuto dalších 75 nových a potvrzujících sekvencí. Databáze IMGT / HLA poskytuje centralizovaný zdroj pro všechny zájemce o systém HLA, ať už centrálně nebo periferně.[17]
IMGT / LIGM-DBIMGT / LIGM-DB je komplexní databáze IMGT® nukleotidových sekvencí imunoglobulinů (IG) a receptorů pro T buňky (TR) z lidských a jiných druhů obratlovců, s překladem pro plně anotované sekvence, vytvořená v roce 1989 LIGM http://www.imgt.org/textes/IMGTinformation/LIGM.html ), Montpellier, Francie, na webu od července 1995. IMGT / LIGM-DB je první a největší databáze IMGT®, mezinárodního informačního systému ImMunoGeneTics®, vysoce kvalitního integrovaného zdroje znalostí specializovaného na IG, TR, hlavní histokompatibilní komplex (MHC) člověka a jiných druhů obratlovců a příbuzné proteiny imunitního systému (RPI), které patří do nadrodiny imunoglobulinů (IgSF) a do nadrodiny MHC (MhcSF). Sekvenční data IMGT / LIGM-DB jsou identifikována přístupovým číslem EMBL / GenBank / DDBJ. Jedinečným zdrojem dat pro IMGT / LIGM-DB je EMBL, který sdílí data s GenBank a DDBJ.[18]
Databáze stimulovaných interferonůInterferony (IFN) jsou rodinou multifunkčních cytokinů, které aktivují transkripci podskupiny genů. Genové produkty indukované IFN jsou odpovědné za antivirové, antiproliferativní a imunomodulační vlastnosti tohoto cytokinu. Abychom získali komplexnější pochopení genů regulovaných IFN, použili jsme různé formáty microarray k identifikaci více než 400 genů stimulovaných interferonem (ISG). Abychom usnadnili šíření těchto údajů, sestavili jsme databázi obsahující ISG přiřazené do funkčních kategorií. Databáze je plně prohledávatelná a obsahuje odkazy na sekvenci a informace Unigene. Databáze a data pole jsou přístupné prostřednictvím World Wide Web na (http://www.lerner.ccf.org/labs/williams/ ). Máme v úmyslu přidat do databáze publikované sekvence ISG a sekvence objevené dalším profilováním přepisu, abychom nakonec sestavili kompletní seznam ISG.
IPD-ESTDABImmuno Polymorphism Database (IPD) je sada specializovaných databází souvisejících se studiem polymorfních genů v imunitním systému. IPD-ESTDAB je databáze imunologicky charakterizovaných buněčných linií melanomu. Databáze funguje ve spojení s buněčnou bankou European Searchable Tumor Cell Line Database (ESTDAB), která je umístěna v německém TÜbingenu a poskytuje imunologicky charakterizované nádorové buňky.[19][20]
IPD-HPA - lidské destičkové antigenyLidské destičkové antigeny jsou aloantigeny exprimované pouze na destičkách, konkrétně na glykoproteinech membrán destiček. Tyto antigeny specifické pro trombocyty jsou imunogenní a mohou vést k patologickým reakcím na transfuzní terapii. Sekce IPD-HPA obsahuje informace o nomenklatuře a další základní materiály o antigenu lidských destiček. Různé geny v systému HPA nebyly sekvenovány na stejné úrovni jako některé z dalších projektů, a tak se v současné době ke stanovení alel používají pouze jednonukleotidové polymorfismy (SNP). Tato informace je uvedena v mřížce SNP pro každý gen. Výbor pro nomenklaturu IPD a HPA doufá, že ji rozšíří, aby poskytl úplné seřazení sekvencí, pokud je to možné.[19][20]
IPD-KIR - receptory podobné imunoglobulinům zabíječských buněkReceptory podobné imunoglobulinům podobným zabijáckým buňkám (KIR) jsou členy imunoglobulinové superrodiny (IgSF), dříve nazývané inhibiční receptory zabijáckých buněk. Ukázalo se, že KIR jsou vysoce polymorfní jak na alelické, tak na haplotypické úrovni. Skládají se ze dvou nebo tří Ig domén, transmembránové oblasti a cytoplazmatického ocasu, které mohou být zase krátké (aktivační) nebo dlouhé (inhibiční). Ukázalo se, že komplex leukocytových receptorů (LRC), který kóduje geny KIR, je polymorfní, polygenní a komplexní podobným způsobem jako MHC. Databáze sekvencí IPD-KIR obsahuje nejaktuálnější názvosloví a zarovnání sekvencí.[19][20]
IPD-MHCByly hlášeny MHC sekvence mnoha různých druhů spolu s různými nomenklaturními systémy používanými při pojmenovávání a identifikaci nových genů a alel u každého druhu. Sekvence hlavního histokompatibilního komplexu z řady různých druhů jsou mezi druhy vysoce konzervované. Spojením práce různých výborů pro nomenklaturu a sekvencí různých druhů se předpokládá, že poskytnou centrální zdroj, který usnadní další výzkum MHC každého druhu a jejich srovnání. První vydání databáze IPD-MHC zahrnovalo práci skupin specializujících se na subhumánní primáty, špičáky (DLA) a kočky (FLA) a zahrnovalo všechna data dříve dostupná v databázi IMGT / MHC. Toto vydání obsahovalo údaje od pěti druhů opic, šestnácti druhů opic nového světa, sedmnácti druhů opic starého světa a také údaje o různých špičácích a kočkovitých šelmách. Od prvního vydání byly přidány sekvence skotu (BoLA), prasat (SLA) a potkanů ​​(RT1) a práce zahrnující MHC sekvence od kuřat, koní (ELA) stále pokračuje.[19][20]
MHCBNMHCBN je komplexní databáze obsahující více než 23 000 peptidových sekvencí, jejichž vazebná afinita k molekulám MHC nebo TAP byla experimentálně testována. Jedná se o kurátorovanou databázi, kde jsou záznamy sestavovány z publikované literatury a veřejných databází. Každá položka databáze poskytuje úplné informace, jako je (sekvence, její MHC nebo TAP vazebná specificita, zdrojový protein) o peptidu, jehož vazebná afinita (IC50) a aktivita T buněk jsou experimentálně stanoveny. MHCBN má řadu webových nástrojů pro analýzu a získávání informací. Všechny položky databáze jsou hypertextově propojeny s hlavními databázemi, jako jsou SWISS-PROT, PDB, IMGT / HLA-DB, PubMed a OMIM, aby poskytly informace nad rámec MHCBN. Aktuální verze MHCBN obsahuje 1053 záznamů peptidů vázajících TAP. Informace o onemocněních spojených s různými alelami MHC jsou také obsaženy v této verzi.[21]
MHCPEPTato databáze obsahuje seznam peptidů vázajících MHC.[22]
MPID-T2MPID-T2 (https://web.archive.org/web/20120902154345/http://biolinfo.org/mpid-t2/ ) je vysoce upravená databáze pro informace o sekvenci-struktuře a funkci interakcí MHC-peptid. Obsahuje všechny struktury hlavních proteinů histokompatibilního komplexu (MHC) obsahující vázané peptidy s důrazem na strukturní charakterizaci těchto komplexů. Položky databáze byly seskupeny do plně odkazovaných nadbytečných a neredundantních kategorií. Interakce MHC-peptid byly prezentovány z hlediska souboru sekvenčních a strukturních parametrů představujících molekulární rozpoznávání. MPID usnadní vývoj algoritmů k předpovědi, zda se dotazovaná peptidová sekvence bude vázat na specifickou alelu MHC. Data MPID byla tříděna primárně na základě MHC třídy, následovaná organismem (zdroj MHC), dále podle alelového typu a nakonec podle délky peptidu ve vazebné drážce (peptidové zbytky do 5 Á MHC). Údaje o mezimolekulárních vodíkových vazbách, objemu mezery a indexu mezery dostupné v MPID jsou předem vypočítány a plocha rozhraní v důsledku tvorby komplexu je vypočítána na základě výpočtů přístupné povrchové plochy. Dostupné databáze peptidů MHC se zabývaly informacemi o sekvencích i vazbou (nebo jejich nedostatkem) peptidových sekvencí.[23]
MUGEN databáze myšíMyší modely imunitních procesů a imunologických onemocnění.[24]
ProtegenDatabáze a analytický ochranný antigen.[25]
SuperHaptenSuperHapten je ručně upravovaná haptenová databáze integrující informace z literatury a webových zdrojů. Aktuální verze databáze kompiluje 2D / 3D struktury, fyzikálně-chemické vlastnosti a reference pro přibližně 7 500 haptenů a 25 000 synonym. Komerční dostupnost je dokumentována pro přibližně 6300 haptenů a 450 souvisejících protilátek, což umožňuje experimentální přístupy ke zkřížené reaktivitě. Hapteny jsou klasifikovány podle jejich původu: pesticidy, herbicidy, insekticidy, léky, přírodní sloučeniny atd. Dotazy umožňují identifikaci haptenů a souvisejících protilátek podle funkční třídy, nosného proteinu, chemického lešení, složení nebo strukturní podobnosti.[26]
Databáze imunitních epitopů (IEDB)Databáze imunitních epitopů (IEDB, www.iedb.org) poskytuje katalog experimentálně charakterizovaných epitopů B a T buněk, jakož i údaje o MHC vazebných a MHC ligandových elučních experimentech. Databáze představuje molekulární struktury rozpoznávané adaptivními imunitními receptory a experimentální kontexty, ve kterých byly tyto molekuly určeny jako imunitní epitopy. Zahrnuty jsou epitopy rozpoznané u lidí, subhumánních primátů, hlodavců, prasat, koček a všech ostatních testovaných druhů. Jsou zachyceny pozitivní i negativní experimentální výsledky. V průběhu čtyř let byla data z 180 978 experimentů ručně zpracována z literatury a pokrývala přibližně 99% všech veřejně dostupných informací o peptidových epitopech mapovaných v infekčních agensech (kromě HIV) a 93% těch mapovaných v alergenech.[27]
TmaDBPro analýzu výstupu TMA byla vyvinuta relační databáze (známá jako TmaDB), která shromažďuje všechny aspekty informací týkajících se TMA. Tato data zahrnují konstrukční protokol TMA, experimentální protokol a výsledky různých imunocytologických a histochemických barvicích experimentů včetně naskenovaných obrázků pro každé z TMA jader. Databáze dále obsahuje patologické informace spojené s každým ze vzorků na podložním sklíčku TMA, umístění různých TMA a jednotlivých bloků vzorků (ze kterých byla odebrána jádra) v laboratoři a jejich aktuální stav. TmaDB byl navržen tak, aby zahrnoval a rozšiřoval mnoho publikovaných běžných datových prvků a formát XML pro experimenty TMA, a je proto kompatibilní se specifikacemi pro výměnu dat TMA vyvinutými komunitou Association for Pathology Informatics.[28]
VBASE2VBASE2 je integrativní databáze V genů zárodečné linie z imunoglobulinových lokusů člověka a myši. Představuje sekvence genů V z databáze EMBL a Ensembl spolu s odpovídajícími odkazy na zdrojová data. Datová sada VBASE2 je generována automatickým procesem založeným na BLAST hledání genů V proti EMBL a datové sadě Ensembl. Hity BLAST jsou vyhodnocovány programem DNAPLOT, který umožňuje srovnání a srovnání sekvencí imunoglobulinů, rozpoznávání RSS a analýzu V (D) J-přesmyků. V důsledku vyhodnocení zásahu BLAST jsou položky VBASE2 klasifikovány do 3 různých tříd: třída 1 obsahuje sekvence, pro které je známa genomová reference a přeskupená sekvence. Třída 2 obsahuje sekvence, které nebyly nalezeny v přeskupení, takže jim chybí důkazy o funkčnosti. Třída 3 obsahuje sekvence, které byly nalezeny v různých přeskupeních V (D) J, ale postrádají genomový odkaz. Všechny sekvence VBASE2 jsou porovnávány s datovými soubory z databází VBASE, IMGT a KABAT (poslední publikované verze) a příslušné odkazy jsou uvedeny v každém záznamu sekvence VBASE2. Do databáze VBASE2 lze přistupovat buď pomocí textového dotazového formuláře, nebo zarovnáním sekvence s programem DNAPLOT. Server DAS zobrazuje datovou sadu VBASE2 v prohlížeči Ensembl Genome a odkazy na databázi.[29]
ZtělesněníEpitome je databáze všech známých antigenních zbytků a protilátek, které s nimi interagují, včetně podrobného popisu zbytků zapojených do interakce a jejich prostředí sekvence / struktury. Každá položka v databázi popisuje jednu interakci mezi zbytkem na antigenním proteinu a zbytkem na řetězci protilátky. Každá interakce je popsána pomocí následujících parametrů: identifikátor PDB, ID antigenního řetězce Pozice PDB antigenního zbytku, typ antigenního zbytku a prostředí jeho sekvence, stav sekundární struktury zbytku antigenu, dostupnost rozpouštědlového zbytku antigenu, ID řetězce protilátky, typ řetězce protilátky (těžký nebo lehký), číslo CDR, poloha PDB zbytku protilátky a typ zbytku protilátky a prostředí jeho sekvence. Interakce lze navíc vizualizovat pomocí rozhraní k Jmol.[30]
ImmGenDatabáze konsorcia Immunological Genome zahrnuje profily exprese pro více než 250 typů imunitních buněk myší a několik datových prohlížečů ke studiu datové sady.[31]
ImmPortImmPort, portál imunologické databáze a analýzy, je komplexní, vysoce připravená a standardizovaná databáze více než 400 veřejně sdílených klinických a výzkumných studií financovaných NIAID / DAIT (National Institutes of Allergy and Infectious Disease / Division of Allergy, Immunology and Transplantation) . Sdílená data zahrnují studijní metadata, více než třicet typů mechanických testů (např. Průtoková cytometrie, hmotnostní cytometrie, ELISA, HAI, MBAA atd.), Jakož i klinická hodnocení, laboratorní testy a nežádoucí účinky. ImmPort je doporučené úložiště dat pro Nature Scientific Data - Cytometry & Immunology a PLOS ONE. ImmPort byl také oceněn CoreTrust Seal jako důvěryhodné úložiště dat. Všechna sdílená data jsou k dispozici ke stažení.[32]

Online zdroje pro informace o alergii jsou také k dispozici na http://www.allergen.org. Tato data jsou cenná pro zkoumání zkřížené reaktivity mezi známými alergeny a analýzu potenciální alergenicity v proteinech. The Strukturální databáze alergenových proteinů (SDAP) ukládá informace o alergenních proteinech. The Proteinový alergen na potravinový alergický výzkum a zdroje (FARRP)-Online databáze obsahuje sekvence známých a domnělých alergenů odvozených z vědecké literatury a veřejných databází. Alergom zdůrazňuje anotaci alergenů, které vedou k onemocnění zprostředkovanému IgE.

Nástroje

K dispozici je a je uvedena řada výpočetních, matematických a statistických metod. Tyto nástroje jsou užitečné pro sběr, analýzu a interpretaci imunologických dat. Obsahují dolování textu,[33] správa informací,[34][35] sekvenční analýza, analýza molekulárních interakcí a matematické modely, které umožňují pokročilé simulace imunitního systému a imunologických procesů.[36][37] Dochází k pokusům o extrakci zajímavých a složitých vzorů z nestrukturovaných textových dokumentů v imunologické doméně. Například kategorizace informací o křížové reaktivitě alergenů,[33] identifikace genových variant asociovaných s rakovinou a klasifikace imunitních epitopů.

Imunoinformatika využívá základní nástroje bioinformatiky jako ClustalW,[38] VÝBUCH,[39] a TreeView, stejně jako specializované imunoinformatické nástroje, jako je EpiMatrix,[40][41] IMGT / V-QUEST pro sekvenční analýzu IG a TR, IMGT / Collier-de-Perles a IMGT / StructuralQuery[42] pro analýzu struktury variabilní domény IG.[43] Metody, které se spoléhají na srovnání sekvencí, jsou rozmanité a byly použity k analýze ochrany sekvencí HLA, k ověření původu sekvencí viru lidské imunodeficience (HIV) a ke konstrukci homologických modelů pro analýzu rezistence polymerázy viru hepatitidy B na lamivudin a emtricitabin.

Existuje také několik výpočetních modelů, které se zaměřují na interakce a sítě mezi bílkovinami a bílkovinami. Existují také nástroje, které se používají pro mapování epitopů T a B buněk, predikci proteazomálního štěpného místa a predikci TAP– peptidu.[44] Experimentální data jsou velmi důležitá pro návrh a ospravedlnění modelů pro predikci různých molekulárních cílů. Výpočtové imunologické nástroje jsou hra mezi experimentálními daty a matematicky navrženými výpočetními nástroji.

Aplikace

Alergie

Alergie, i když je kritickým předmětem imunologie, také se značně liší mezi jednotlivci a někdy dokonce i mezi geneticky podobnými jedinci. Hodnocení proteinového alergenního potenciálu se zaměřuje na tři hlavní aspekty: (i) imunogenicita; (ii) zkřížená reaktivita; a (iii) klinické příznaky.[45] Imunogenicita je způsobena odpověďmi IgE protilátka - produkující B buňku a / nebo a T buňka na konkrétní alergen. Studie imunogenicity se proto zaměřují hlavně na identifikaci rozpoznávacích míst B-buňky a T-buňky pro alergeny. Trojrozměrné strukturní vlastnosti alergenů řídí jejich alergenicitu.

Použití nástrojů imunoinformatiky může být užitečné k předpovědi alergenicity bílkovin a bude stále důležitější při screeningu nových potravin před jejich širokým uvolněním pro lidské použití. Probíhá tedy velké úsilí o vytvoření spolehlivých široce založených databází alergií a jejich kombinaci s dobře ověřenými predikčními nástroji, aby bylo možné identifikovat potenciální alergeny v geneticky modifikovaných drogách a potravinách. I když je vývoj na primární úrovni, Světová zdravotnická organizace a Organizace pro výživu a zemědělství navrhly pokyny pro hodnocení alergenicity geneticky modifikovaných potravin. Podle Codex alimentarius,[46] protein je potenciálně alergenní, pokud má identitu ≥6 sousedících aminokyselin nebo ≥35% sekvenční podobnost v 80-aminokyselinovém okně se známým alergenem. Ačkoli existují pravidla, jejich inherentní omezení se začala projevovat a výjimky z pravidel byly dobře hlášeny [47]

Infekční nemoci a reakce hostitele

Při studiu infekčních nemocí a reakcí hostitelů jsou matematické a počítačové modely velkou pomocí. Tyto modely byly velmi užitečné při charakterizaci chování a šíření infekčních nemocí tím, že porozuměli dynamice patogenu v hostiteli a mechanismům faktorů hostitele, které napomáhají perzistenci patogenu. Mezi příklady patří Plasmodium falciparum[48] a háďátka u přežvýkavců.[49]

V porozumění imunitní odpovědi na různé patogeny bylo učiněno mnoho integrací genomiky a proteomiky s bioinformatickými strategiemi. V současné době probíhá mnoho vzrušujících vývojů ve velkém screeningu patogenů. Národní institut pro alergie a infekční nemoci (NIAID) zahájila úsilí o systematické mapování epitopů B a T buněk patogenů kategorie A-C. Mezi tyto patogeny patří Bacillus anthracis (antrax), Clostridium botulinum toxin (botulismus), Variola major (neštovice), Francisella tularensis (tularemie), virové hemoragické horečky, Burkholderia pseudomallei, Staphylococcus enterotoxin B, žlutá zimnice, chřipka, vzteklina, virus Chikungunya atd. Byly hlášeny systémy založené na pravidlech pro automatizovanou extrakci a ošetření záznamů o chřipce A.[50]

Tento vývoj by vedl k vývoji algoritmu, který by pomohl identifikovat konzervované oblasti sekvencí patogenu a byl by zase užitečný pro vývoj vakcíny. To by pomohlo omezit šíření infekčních chorob. Mezi příklady patří způsob identifikace vakcinačních cílů z proteinových oblastí se zachovanou vazbou HLA[51] a výpočetní hodnocení zkřížené reaktivity široce neutralizujících protilátek proti virovým patogenům.[52] Tyto příklady ilustrují sílu aplikací imunoinformatiky při řešení složitých problémů v oblasti veřejného zdraví. Imunoinformatika by mohla dramaticky urychlit proces objevování a potenciálně zkrátit čas potřebný pro vývoj vakcíny. K návrhu vakcíny proti SARS-CoV-2 byly použity nástroje imunoinformatiky,[53] Virus dengue [54] a Leishmania.[55]

Funkce imunitního systému

Pomocí této technologie je možné poznat model, který stojí za imunitním systémem. Používá se k modelování potlačení zprostředkovaného T-buňkami,[56] migrace periferních lymfocytů,[57] Paměť T-buněk,[58] tolerance,[59] brzlíková funkce,[60] a sítě protilátek.[61] Modely pomáhají předpovídat dynamiku toxicity patogenů a paměť T-buněk v reakci na různé podněty. Existuje také několik modelů, které jsou užitečné pro pochopení podstaty specificity v imunitní síti a imunogenicity.

Bylo například užitečné zkoumat funkční vztah mezi transportem peptidu TAP a prezentací antigenu HLA třídy I.[62] TAP je transmembránový protein odpovědný za transport antigenních peptidů do endoplazmatického retikula, kde je molekuly MHC třídy I mohou vázat a prezentovat T buňkám. Protože TAP neváže všechny peptidy stejně, mohla by afinita k vazbě TAP ovlivnit schopnost konkrétního peptidu získat přístup k dráze MHC třídy I. Umělá neurální síť (ANN), počítačový model byl použit ke studiu vazby peptidu na lidský TAP a jeho vztahu k vazbě MHC I. třídy. Bylo zjištěno, že afinita peptidů vázajících HLA k TAP se liší podle příslušného supertypu HLA pomocí této metody. Tento výzkum by mohl mít důležité důsledky pro návrh imuno-terapeutických léků a vakcín na bázi peptidů. Ukazuje sílu přístupu modelování k pochopení složitých imunitních interakcí.[62]

Existují také metody, které integrují nástroje pro predikci peptidů s počítačovými simulacemi, které mohou poskytnout podrobné informace o dynamice imunitní odpovědi specifické pro peptidy daného patogenu.[63]

Informatika o rakovině

Rakovina je výsledkem somatických mutací, které poskytují rakovinovým buňkám výhodu selektivního růstu. V poslední době bylo velmi důležité určit nové mutace. Genomické a proteomické techniky se celosvětově používají k identifikaci mutací souvisejících s každou konkrétní rakovinou a jejich léčbou. Výpočtové nástroje se používají k předpovědi růstových a povrchových antigenů na rakovinných buňkách. Existují publikace vysvětlující cílený přístup k hodnocení mutací a rizika rakoviny. Algoritmus CanPredict byl použit k označení toho, jak blízko se specifický gen podobá známým genům způsobujícím rakovinu.[64] Rakovinová imunologie byla přikládána natolik důležitá, že související údaje rychle rostou. Sítě interakce proteinů a proteinů poskytují cenné informace o tumorigenezi u lidí. Rakovinové proteiny vykazují síťovou topologii, která se liší od normálních proteinů v lidském internomomu.[65][66] Imunoinformatika byla užitečná pro zvýšení úspěšnosti očkování proti nádoru. Nedávno byly provedeny průkopnické práce k analýze dynamiky imunitního systému hostitele v reakci na umělou imunitu vyvolanou vakcinačními strategiemi.[67][68][69] Jiné simulační nástroje používají předpovídané rakovinové peptidy k předpovědi imunitně specifických protinádorových odpovědí, které jsou závislé na specifikované HLA.[37]Je pravděpodobné, že tyto zdroje v blízké budoucnosti významně porostou a imunoinformatika bude v této oblasti hlavní oblastí růstu.

Viz také

Reference

  1. ^ Tong JC, Ren EC (červenec 2009). „Imunoinformatika: současné trendy a budoucí směry“. Drug Discov. Dnes. 14 (13–14): 684–9. doi:10.1016 / j.drudis.2009.04.001. PMC  7108239. PMID  19379830.
  2. ^ Korber B, LaBute M, Yusim K (červen 2006). „Imunoinformatika dospívá“. PLOS Comput. Biol. 2 (6): e71. Bibcode:2006PLSCB ... 2 ... 71 tis. doi:10.1371 / journal.pcbi.0020071. PMC  1484584. PMID  16846250.
  3. ^ Ross, R. (1. února 1916). „Aplikace teorie pravděpodobností na studium a priori patometrie. Část I“. Sborník královské společnosti A. 92 (638): 204–230. Bibcode:1916RSPSA..92..204R. doi:10.1098 / rspa.1916.0007.
  4. ^ Oxfordské časopisy Vědy o živé přírodě | Výzkum nukleových kyselin Kategorie souhrnného papíru o databázi
  5. ^ Ansari HR, Flower DR, GP Raghava (leden 2010). „AntigenDB: databáze imunoinformatiky patogenních antigenů“. Nucleic Acids Res. 38 (Problém s databází): D847–53. doi:10.1093 / nar / gkp830. PMC  2808902. PMID  19820110.
  6. ^ Toseland CP, Clayton DJ, McSparron H a kol. (Říjen 2005). „AntiJen: kvantitativní imunologická databáze integrující funkční, termodynamická, kinetická, biofyzikální a buněčná data“. Výzkum imunomu. 1 (1): 4. doi:10.1186/1745-7580-1-4. PMC  1289288. PMID  16305757.
  7. ^ Saha S, Bhasin M, Raghava GP (2005). „Bcipep: databáze epitopů B-buněk“. BMC Genomics. 6 (1): 79. doi:10.1186/1471-2164-6-79. PMC  1173103. PMID  15921533.
  8. ^ Chailyan A, Tramontano A, Marcatili P (leden 2012). "Databáze imunoglobulinů s integrovanými nástroji: DIGIT". Nucleic Acids Res. 40 (Problém s databází): D1230–4. doi:10.1093 / nar / gkr806. PMC  3245095. PMID  22080506.
  9. ^ Schönbach C, Koh JL, Flower DR, Wong L, Brusic V (January 2002). "FIMM, a database of functional molecular immunology: update 2002". Nucleic Acids Res. 30 (1): 226–9. doi:10.1093/nar/30.1.226. PMC  99079. PMID  11752300.
  10. ^ Grimes GR, Moodie S, Beattie JS, et al. (2005). "GPX-Macrophage Expression Atlas: a database for expression profiles of macrophages challenged with a variety of pro-inflammatory, anti-inflammatory, benign and pathogen insults". BMC Genomics. 6: 178. doi:10.1186/1471-2164-6-178. PMC  1351201. PMID  16343346.
  11. ^ Singh MK, Srivastava S, Raghava GP, Varshney GC (January 2006). "HaptenDB: a comprehensive database of haptens, carrier proteins and anti-hapten antibodies". Bioinformatika. 22 (2): 253–5. doi:10.1093/bioinformatics/bti692. PMID  16443637.
  12. ^ Wang X, Zhao H, Xu Q, et al. (Leden 2006). "HPtaa database-potential target genes for clinical diagnosis and immunotherapy of human carcinoma". Nucleic Acids Res. 34 (Database issue): D607–12. doi:10.1093/nar/gkj082. PMC  1347445. PMID  16381942.
  13. ^ Ponomarenko J, Papangelopoulos N, Zajonc DM, Peters B, Sette A, Bourne PE (January 2011). "IEDB-3D: structural data within the immune epitope database". Nucleic Acids Res. 39 (Database issue): D1164–70. doi:10.1093/nar/gkq888. PMC  3013771. PMID  21030437.
  14. ^ Puck JM (November 1996). "IL2RGbase: a database of gamma c-chain defects causing human X-SCID". Immunol. Dnes. 17 (11): 507–11. doi:10.1016/0167-5699(96)30062-5. PMID  8961626.
  15. ^ Lefranc MP (January 2001). "IMGT, the international ImMunoGeneTics database". Nucleic Acids Res. 29 (1): 207–9. doi:10.1093/nar/29.1.207. PMC  29797. PMID  11125093.
  16. ^ Giudicelli V, Chaume D, Lefranc MP (January 2005). "IMGT/GENE-DB: a comprehensive database for human and mouse immunoglobulin and T cell receptor genes". Nucleic Acids Res. 33 (Database issue): D256–61. doi:10.1093/nar/gki010. PMC  539964. PMID  15608191.
  17. ^ Robinson J, Malik A, Parham P, Bodmer JG, Marsh SG (March 2000). "IMGT/HLA database—a sequence database for the human major histocompatibility complex". Tkáňové antigeny. 55 (3): 280–7. doi:10.1034/j.1399-0039.2000.550314.x. PMC  29780. PMID  10777106.
  18. ^ Giudicelli V, Duroux P, Ginestoux C, et al. (Leden 2006). "IMGT/LIGM-DB, the IMGT comprehensive database of immunoglobulin and T cell receptor nucleotide sequences". Nucleic Acids Res. 34 (Database issue): D781–4. doi:10.1093/nar/gkj088. PMC  1347451. PMID  16381979.
  19. ^ A b C d Robinson J, Mistry K, McWilliam H, Lopez R, Marsh SG (January 2010). "IPD—the Immuno Polymorphism Database". Nucleic Acids Res. 38 (Database issue): D863–9. doi:10.1093/nar/gkp879. PMC  2808958. PMID  19875415.
  20. ^ A b C d Robinson J, Waller MJ, Fail SC, Marsh SG (December 2006). "The IMGT/HLA and IPD databases". Hučení. Mutat. 27 (12): 1192–9. doi:10.1002/humu.20406. PMID  16944494. S2CID  42119780.
  21. ^ Bhasin M, Singh H, Raghava GP (March 2003). "MHCBN: a comprehensive database of MHC binding and non-binding peptides". Bioinformatika. 19 (5): 665–6. doi:10.1093/bioinformatics/btg055. PMID  12651731.
  22. ^ Brusic V, Rudy G, Harrison LC (September 1994). "MHCPEP: a database of MHC-binding peptides". Výzkum nukleových kyselin. 22 (17): 3663–5. doi:10.1093/nar/22.17.3663. PMC  308338. PMID  7937075.
  23. ^ Khan JM, Cheruku HR, Tong JC, Ranganathan S (April 2011). "MPID-T2: a database for sequence-structure-function analyses of pMHC and TR/pMHC structures". Bioinformatika. 27 (8): 1192–3. doi:10.1093/bioinformatics/btr104. PMID  21349870.
  24. ^ Aidinis V, Chandras C, Manoloukos M, et al. (Leden 2008). "MUGEN mouse database; animal models of human immunological diseases". Nucleic Acids Res. 36 (Database issue): D1048–54. doi:10.1093/nar/gkm838. PMC  2238830. PMID  17932065.
  25. ^ Yang B, Sayers S, Xiang Z, He Y (January 2011). "Protegen: a web-based protective antigen database and analysis system". Nucleic Acids Res. 39 (Database issue): D1073–8. doi:10.1093/nar/gkq944. PMC  3013795. PMID  20959289.
  26. ^ Günther S, Hempel D, Dunkel M, Rother K, Preissner R (January 2007). "SuperHapten: a comprehensive database for small immunogenic compounds". Nucleic Acids Res. 35 (Database issue): D906–10. doi:10.1093/nar/gkl849. PMC  1669746. PMID  17090587.
  27. ^ Sette, A. et al. The immune epitope database and analysis resource. Pattern Recognition in Bioinformatics, Proceedings 4146, 126-132 (2006).
  28. ^ Sharma-Oates A, Quirke P, Westhead DR (2005). "TmaDB: a repository for tissue microarray data". BMC bioinformatika. 6: 218. doi:10.1186/1471-2105-6-218. PMC  1215475. PMID  16137321.
  29. ^ Retter I, Althaus HH, Münch R, Müller W (January 2005). "VBASE2, an integrative V gene database". Nucleic Acids Res. 33 (Database issue): D671–4. doi:10.1093/nar/gki088. PMC  540042. PMID  15608286.
  30. ^ Schlessinger A, Ofran Y, Yachdav G, Rost B (January 2006). "Epitome: database of structure-inferred antigenic epitopes". Nucleic Acids Res. 34 (Database issue): D777–80. doi:10.1093/nar/gkj053. PMC  1347416. PMID  16381978.
  31. ^ Jojic V; Shay T; Sylvia K; Zuk O; Sun X; Kang J; Regev A; Koller D; Immunological Genome Project Consortium (June 2013). "Identification of transcriptional regulators in the mouse immune system". Přírodní imunologie. 14 (6): 633–643. doi:10.1038/ni.2587. PMC  3690947. PMID  23624555.
  32. ^ Bhattacharya S; Dunn P; Thomas CG; Smith B; Schaefer H; Chen J; Hu Z; Zalocusky KA; Shankar RD; Zalocusky KA; Shen-Orr SS; Thomson E; Wiser J; Butte AJ (February 2018). "ImmPort, toward repurposing of open access immunological assay data for translational and clinical research". Vědecké údaje. 5: 180015. Bibcode:2018NatSD...580015B. doi:10.1038/sdata.2018.15. PMC  5827693. PMID  29485622.
  33. ^ A b Miotto O, Tan TW, Brusic V (2005). "Supporting the curation of biological databases with reusable text mining". Genome Inform. 16 (2): 32–44. PMID  16901087.
  34. ^ McDonald R, Scott Winters R, Ankuda CK, et al. (Září 2006). "An automated procedure to identify biomedical articles that contain cancer-associated gene variants". Hučení. Mutat. (Vložený rukopis). 27 (9): 957–64. doi:10.1002/humu.20363. PMID  16865690. S2CID  3230776.
  35. ^ Wang P, Morgan AA, Zhang Q, Sette A, Peters B (2007). "Automating document classification for the Immune Epitope Database". BMC bioinformatika. 8: 269. doi:10.1186/1471-2105-8-269. PMC  1965490. PMID  17655769.
  36. ^ Palladini A, Nicoletti G, Pappalardo F, Murgo A, Grosso V, Stivani V, Ianzano ML, Antognoli A, Croci S, Landuzzi L, De Giovanni C, Nanni P, Motta S, Lollini PL (October 2010). "In silico modeling and in vivo efficacy of cancer-preventive vaccinations". Výzkum rakoviny. 70 (20): 7756–63. doi:10.1158/0008-5472.CAN-10-0701. PMID  20924100.
  37. ^ A b Woelke A-L, von Eichborn J, Murgueitio M S, Worth C L, Castiglione F, Preissner R. (2011). "Development of Immune-Specific Interaction Potentials and Their Application in the Multi-Agent-System VaccImm". PLOS ONE. 6 (8): e23257. Bibcode:2011PLoSO...623257W. doi:10.1371/journal.pone.0023257. PMC  3157361. PMID  21858048.CS1 maint: používá parametr autoři (odkaz)
  38. ^ Thompson JD, Higgins DG, Gibson TJ (November 1994). „CLUSTAL W: zlepšuje citlivost postupného vícenásobného seřazení sekvencí pomocí vážení sekvencí, penalizací mezer pro konkrétní pozici a volby matice hmotnosti“. Nucleic Acids Res. 22 (22): 4673–80. doi:10.1093 / nar / 22.22.4673. PMC  308517. PMID  7984417.
  39. ^ Altschul SF, Madden TL, Schäffer AA, et al. (Září 1997). „Gapped BLAST and PSI-BLAST: a new generation of protein database search programs“. Nucleic Acids Res. 25 (17): 3389–402. doi:10.1093 / nar / 25.17.3389. PMC  146917. PMID  9254694.
  40. ^ Elfaki, ME (24 Aug 2012). "Immunogenicity and immune modulatory effects of in silico predicted L. donovani candidate peptide vaccines". Lidské vakcíny a imunoterapeutika. 8 (12): 1769–74. doi:10.4161/hv.21881. PMC  3656064. PMID  22922767.
  41. ^ De Groot, AS; et al. (Březen 2005). "HIV vaccine development by computer assisted design: the GAIA vaccine". Vakcína. 23 (17–18): 2136–48. doi:10.1016/j.vaccine.2005.01.097. PMID  15755584.
  42. ^ Kaas, Q. & Lefranc, M. IMGT Colliers de Perles: Standardized sequence-structure representations of the IgSF and MheSF superfamily domains. Current Bioinformatics 2, 21-30 (2007).
  43. ^ Brochet X, Lefranc MP, Giudicelli V (July 2008). "IMGT/V-QUEST: the highly customized and integrated system for IG and TR standardized V-J and V-D-J sequence analysis". Nucleic Acids Res. 36 (Web Server issue): W503–8. doi:10.1093/nar/gkn316. PMC  2447746. PMID  18503082.
  44. ^ Montañez R, Navas-Delgado I, Medina MA, Aldana-Montes JF, Sánchez-Jiménez F (December 2006). "Information integration of protein-protein interactions as essential tools for immunomics". Buňka. Immunol. 244 (2): 84–6. doi:10.1016/j.cellimm.2006.12.008. PMID  17442285.
  45. ^ Oehlschlager S, Reece P, Brown A, et al. (Prosinec 2001). "Food allergy—towards predictive testing for novel foods". Kontaminace potravin. 18 (12): 1099–107. doi:10.1080/02652030110050131. PMID  11761121. S2CID  19768067.
  46. ^ CODEX Alimentarius: Home
  47. ^ Li KB, Issac P, Krishnan A (November 2004). "Predicting allergenic proteins using wavelet transform". Bioinformatika. 20 (16): 2572–8. doi:10.1093/bioinformatics/bth286. PMID  15117757.
  48. ^ van Noort SP, Nunes MC, Weedall GD, Hviid L, Gomes MG (2010). "Immune selection and within-host competition can structure the repertoire of variant surface antigens in Plasmodium falciparum—a mathematical model". PLOS ONE. 5 (3): e9778. Bibcode:2010PLoSO...5.9778V. doi:10.1371/journal.pone.0009778. PMC  2842302. PMID  20339540.
  49. ^ Chan MS, Isham VS (August 1998). "A stochastic model of schistosomiasis immuno-epidemiology". Math Biosci. 151 (2): 179–98. doi:10.1016/S0025-5564(98)10014-7. PMID  9711049.
  50. ^ Miotto O, Tan TW, Brusic V (2008). "Rule-based knowledge aggregation for large-scale protein sequence analysis of influenza A viruses". BMC bioinformatika. 9 (Suppl 1): S7. doi:10.1186/1471-2105-9-S1-S7. PMC  2259408. PMID  18315860.
  51. ^ Olsen LR, Simon C, Kudahl UJ, Bagger FO, Winther O, Reinherz EL, Zhang GL, Brusic V (2015). "A computational method for identification of vaccine targets from protein regions of conserved human leukocyte antigen binding". BMC Medical Genomics. 8(Suppl 4) (S1): S1. doi:10.1186/1755-8794-8-S4-S1. PMC  4682376. PMID  26679766.
  52. ^ Sun J, Kudahl UJ, Simon C, Cao Z, Reinherz EL, Brusic V (2014). "Large-Scale Analysis of B-Cell Epitopes on Influenza Virus Hemagglutinin – Implications for Cross-Reactivity of Neutralizing Antibodies". Hranice v imunologii. 5 (38): 38. doi:10.3389/fimmu.2014.00038. PMC  3916768. PMID  24570677.
  53. ^ Rahman, Noor; Ali, Fawad; Basharat, Zarrin; Shehroz, Muhammad; Khan, Muhammad Kazim; Jeandet, Philippe; Nepovimova, Eugenie; Kuca, Kamil; Khan, Haroon (2020-07-28). "Vaccine Design from the Ensemble of Surface Glycoprotein Epitopes of SARS-CoV-2: An Immunoinformatics Approach". Vakcíny. 8 (3): 423. doi:10.3390/vaccines8030423. ISSN  2076-393X. PMC  7565012. PMID  32731461.
  54. ^ Ali M, Pandey RK, Khatoon N, Narula A, Mishra A, Prajapati VK (2017). "Exploring dengue genome to construct a multi-epitope based subunit vaccine by utilizing immunoinformatics approach to battle against dengue infection". Vědecké zprávy. 7 (1): 9232. Bibcode:2017NatSR...7.9232A. doi:10.1038/s41598-017-09199-w. PMC  5569093. PMID  28835708.
  55. ^ Khatoon N, Pandey RK, Prajapati VK (2017). "Exploring Leishmania secretory proteins to design B and T cell multi-epitope subunit vaccine using immunoinformatics approach". Vědecké zprávy. 7 (1): 8285. Bibcode:2017NatSR...7.8285K. doi:10.1038/s41598-017-08842-w. PMC  5557753. PMID  28811600.
  56. ^ León K, Peréz R, Lage A, Carneiro J (November 2000). "Modelling T-cell-mediated suppression dependent on interactions in multicellular conjugates". J. Theor. Biol. 207 (2): 231–54. doi:10.1006/jtbi.2000.2169. PMID  11034831.
  57. ^ Srikusalanukul W, De Bruyne F, McCullagh P (June 2000). "Modelling of peripheral lymphocyte migration: system identification approach". Immunol. Cell Biol. 78 (3): 288–93. doi:10.1046/j.1440-1711.2000.00907.x. PMID  10849118. S2CID  9034528.
  58. ^ Jacob J, Baltimore D (June 1999). "Modelling T-cell memory by genetic marking of memory T cells in vivo". Příroda. 399 (6736): 593–7. Bibcode:1999Natur.399..593J. doi:10.1038/21208. PMID  10376601. S2CID  12567134.
  59. ^ Dolezal J, Hraba T (1988). "A contribution to mathematical modelling of immunological tolerance". Oblouk. Immunol. Ther. Exp. (Warsz.). 36 (1): 23–30. PMID  3266071.
  60. ^ Mehr R, Segel L, Sharp A, Globerson A (October 1994). "Colonization of the thymus by T cell progenitors: models for cell-cell interactions". J. Theor. Biol. 170 (3): 247–57. doi:10.1006/jtbi.1994.1185. PMID  7996854.
  61. ^ Faro J, Carneiro J, Velasco S (February 1997). "Further studies on the problem of immune network modelling". J. Theor. Biol. 184 (4): 405–21. doi:10.1006/jtbi.1996.0252. PMID  9082072.
  62. ^ A b Brusic V, van Endert P, Zeleznikow J, Daniel S, Hammer J, Petrovsky N (1999). "A neural network model approach to the study of human TAP transporter". V Silico Biol. (Gedrukt). 1 (2): 109–21. PMID  11471244.
  63. ^ Rapin N, Lund O, Bernaschi M, Castiglione F. (2010). "Computational immunology meets bioinformatics: the use of prediction tools for molecular binding in the simulation of the immune system". PLOS ONE. 5 (4): e9862. Bibcode:2010PLoSO...5.9862R. doi:10.1371/journal.pone.0009862. PMC  2855701. PMID  20419125.CS1 maint: používá parametr autoři (odkaz)
  64. ^ Kaminker JS, Zhang Y, Watanabe C, Zhang Z (July 2007). "CanPredict: a computational tool for predicting cancer-associated missense mutations". Nucleic Acids Res. 35 (Web Server issue): W595–8. doi:10.1093/nar/gkm405. PMC  1933186. PMID  17537827.
  65. ^ Jonsson PF, Bates PA (September 2006). "Global topological features of cancer proteins in the human interactome". Bioinformatika. 22 (18): 2291–7. doi:10.1093/bioinformatics/btl390. PMC  1865486. PMID  16844706.
  66. ^ Sun J, Zhao Z (2010). "A comparative study of cancer proteins in the human protein-protein interaction network". BMC Genomics. 11 (Suppl 3): S5. doi:10.1186/1471-2164-11-S3-S5. PMC  2999350. PMID  21143787.[trvalý mrtvý odkaz ]
  67. ^ Palladini A, Nicoletti G, Pappalardo F, Murgo A, Grosso V, Ianzano ML, Antognoli A, Croci S, Landuzzi L, De Giovanni C, Nanni P, Motta S, Lollini PL (2010). "In silico modeling and in vivo efficacy of cancer-preventive vaccinations". Výzkum rakoviny. 70 (20): 7755–63. doi:10.1158/0008-5472.CAN-10-0701. PMID  20924100.
  68. ^ Pappalardo F, Forero IM, Pennisi M, Palazon A, Melero I, Motta S (2011). "Modeling induced immune system response against B16-melanoma". PLOS ONE. 6 (10): e26523. doi:10.1371/journal.pone.0026523. PMC  3197530. PMID  22028894.
  69. ^ Pappalardo F, Pennisi M, Ricupito A, Topputo F, Bellone M (2014). "Induction of T cell memory by a dendritic cell vaccine: a computational model" (PDF). Bioinformatika. 30 (13): 1884–91. doi:10.1093/bioinformatics/btu059. PMID  24603984.

externí odkazy