新型計算方法CoNGA為預測T細胞行為奠定基礎

　　免疫細胞有許多工作要做：一些細胞識別受感染的細胞并將它們消除，其他細胞幫助控制炎癥，以防止對健康組織的損害。許多免疫細胞是癌癥治療的關鍵組成部分。人們知道，一類稱為T細胞的免疫細胞的特定受體有助于調節T細胞的活性和免疫作用。如今，在一項新的研究中，來自美國弗雷德-哈欽森癌癥研究中心、圣猶大兒童研究醫院、10X基因組學公司和南加州大學的研究人員開發出一種稱為CoNGA（clonotype neighbor graph analysis, 克隆型鄰接圖分析）的新型計算方法，它可能有助于人們關注將T細胞受體（TCR）基因序列和T細胞功能相關聯在一起的隱藏生物模式。此外，利用CoNGA，他們可以分析從單個T細胞中收集到的復雜數據，以揭示新的T細胞群體，并揭示塑造T細胞發育的TCR特征。相關研究結果于2021年8月23日在線發表在Nature Biotechnology期刊上，論文標題為“Integrating T cell receptor sequences and transcriptional profiles by clonotype neighbor graph analysis (CoNGA)”。

　　近期的技術進展使得科學家們能夠窺視單個細胞內部并揭示哪些基因開啟和關閉。論文共同通訊作者、弗雷德-哈欽森癌癥研究中心的計算生物學家Phil Bradley博士說，然而，來自數百萬個細胞的單細胞數據產生了巨大而復雜的數據集，超出了個人的解釋能力。Bradley說，“CoNGA是一種算法，它的靈感來自于剛剛上線的這一類新的[單細胞]數據，為我們提供了一種可以分析它們的方法?！?/p>

　　Bradley和他的合作者設想其他研究人員使用CoNGA來更好地理解復雜的T細胞群體，包括那些對腫瘤作出反應的T細胞。CoNGA可能讓致力于改善癌癥免疫療法---如CAR-T細胞免疫療法或免疫檢查點抑制劑---的科學家們更好地了解驅動患者對治療成功作出反應的因素，這是設計這些免疫療法的更好版本的**步。

　　T細：多方面的免疫細胞

　　T細胞通常是所謂的適應性免疫的一部分----在你受到感染后，適應性免疫會發生變化，在長壽的免疫細胞中形成一種“記憶”，如果你再次遭受同樣的感染，它們的反應會更加迅速和有效。這種能力的一部分在于位于T細胞表面的T細胞受體（TCR）。我們身體產生的每一個新的T細胞都有自己獨特的TCR，它是從一系列選項中將TCR基因片段重排在一起而產生的。

　　Bradley說，“T細胞是非常有趣的免疫細胞--它們有這種受體，而這種受體的性質或它喜歡粘附的東西，在原則上決定了該細胞在感染或癌癥時的命運?！?/p>

　　T細胞利用它們的TCR來調查我們體內的細胞，尋找被感染或患病的細胞。目標細胞在其表面顯示供T細胞采樣的分子“標記（tag）”。當T細胞的TCR與目標細胞表面上的分子標記結合時，就意味著目標細胞出現了問題。

　　不同的T細胞有許多不同的職責。“殺傷性”T細胞使用其TCR來確定應該被殺死的細胞。其他的T細胞為產生稱為抗體的保護性蛋白質的免疫細胞提供幫助。還有一些T細胞抑制免疫反應以防止對健康組織的損害。在每個類別中都有許多不同的T細胞，幫助身體根據需要調整其免疫反應。

　　TCR和它“看到”的東西在決定T細胞是否會成為殺傷性T細胞、輔助性T細胞或免疫交通控制者方面起著作用。但這個過程的大部分工作原理仍然是神秘的。人們仍在尋求從TCR序列中預測TCR靶標的方法，此外還在了解TCR如何影響T細胞發育。能夠將TCR序列與T細胞內部發生的事情相匹配---哪些基因開啟或者說發生轉錄---使人們了解到該細胞正在發揮什么作用，以及它目前是在執行任務還是在等待被招募。

　　Bradley說，“我們真正感興趣的是，如果你獲得T細胞內的轉錄概況，這與表面的T細胞受體的序列有什么關系？最終的目標是，你可以利用T細胞受體序列并預測T細胞正在做什么。這是這個領域的最高目標，而這真的非常非常難。我們離這個目標還有一段距離?！?/p>

　　為了實現這個最高目標，科學家們需要來自大量單個T細胞的信息---他們越多地發現具有特定TCR特征的T細胞也開啟了特定基因，這種聯系就越有可能是真實的---但是分析這些復雜的數據集充滿挑戰性。

　　近期的技術飛躍使得科學家們能夠從數以百萬個細胞中收集信息。這些數據集可以包括基因序列，哪些基因開啟（以及在多大程度上開啟），以及哪些蛋白質在細胞表面上表達。每一個新的數據層都使分析更具挑戰性。

　　這不是一個人能自己分析的。我們需要數學。這就是為何Bradley、作為另一名論文共同通訊作者的圣猶大兒童研究醫院免疫學家Paul Thomas博士、Thomas團隊博士后研究員Stefan Schattgen博士和南加州大學的本科生Kate Guion開發出CoNGA。基本上，他們創建了能夠比較兩種圖譜的算法。一種圖譜對具有類似轉錄特征（它們開啟的基因）的T細胞進行分組，另一種圖譜根據TCR序列的相似性對T細胞進行分組。CoNGA算法定義了這兩種圖譜之間的關系，找到了TCR“鄰域”（具有相似生化特征的TCR序列）和這些T細胞中開啟的相同基因之間的關聯。這些模式可能為TCR如何幫助決定T細胞行為提供線索。

　　新模式，新可能性

　　這些作者利用了主要由構建單細胞分析平臺的生物技術公司10X Genomics產生的公開可用的T細胞數據集。這些單細胞數據包括有關TCR序列和每個T細胞中哪些基因開啟的信息。這些數據的一個子集還包括關于TCR粘附在哪些分子靶標上的信息。

　　當將CoNGA應用于這些數據時，這些作者發現了TCR序列和T細胞中開啟的關鍵基因之間的相關性。CoNGA分析還使他們能夠在T細胞中找到一些與這些細胞的活性和信號傳遞有關的新的、意想不到的標簽（signature）。盡管這些特征的生物學意義仍不清楚，但其中的一種標簽可能指向一種以前未知的T細胞類型，而另一種標簽可能提供了某些TCR特征如何塑造T細胞發育的線索。

　　Bradley及其隊友們的最初目標是證明CoNGA能夠在復雜的數據中找到有意義的模式。如今，它已經通過了**次測試，他們正在努力跟進它所揭示的新的關聯性。

　　首先，Bradley團隊希望確認CoNGA揭示的不尋常的T細胞群體對科學來說確實是新的。（布拉德利指出，當新工具推出時，重新發現以前描述的細胞的情況經常發生。）如果這些細胞真的是新的，他們將深入研究它們在免疫反應中發揮的作用。

　　Bradley和他的合作者們也在考慮更大的問題。他們希望將CoNGA應用于更大的數據集（更多的數據意味著對統計模式反映真實生物學的信心更強）。他們正在努力調整CoNGA，使之適用于B細胞，即一種制造抗體的免疫細胞。B細胞也攜帶稱為B細胞受體（BCR）的特定受體，BCR可以調節它們的發育、行為和功能---而CoNGA可能幫助科學家們了解這是如何調節的。

　　Bradley團隊還對CoNGA促進其他研究小組的分析的潛力感到興奮。雖然該團隊聚焦于TCR，但是CoNGA也可能應用于整合其他類型信息的單細胞數據集，如T細胞表面的特定分子。

　　該團隊將向公眾免費提供他們的CoNGA算法，供科學家們根據需要使用或修改。Bradley說，“我確實認為這將是一種對免疫學家有用的工具?！?/p>