면역학

Immunomics

면역체계는 유전체 차원의 접근법을 이용한 면역체계 규제와 병원균에 대한 반응에 관한 연구다. 게놈과 단백질 기술의 발달로 과학자들은 생물학적 네트워크를 시각화하고 유전자와/또는 단백질 사이의 상호관계를 유추할 수 있게 되었다; 최근, 이러한 기술은 면역체계가 어떻게 기능하고 어떻게 조절되는지를 더 잘 이해하는 데 도움을 주기 위해 사용되었다. 게놈의 3분의 2는 하나 이상의 면역세포 유형에서 활동하며 1% 미만의 유전자가 주어진 세포 유형에서 고유하게 표현된다. 따라서 이러한 면역세포 유형의 표현 패턴을 개인이 아닌 네트워크의 맥락에서 해독하여 이들의 역할이 올바르게 특징지어지고 서로 연관되도록 하는 것이 중요하다.[1] 자가면역질환, 면역결핍, 악성종양과 같은 면역체계의 결함은 병리학적 과정에 대한 유전학적 통찰력으로부터 이익을 얻을 수 있다. 예를 들어, 유전자 발현의 체계적 변화를 분석하는 것은 이러한 패턴과 면역 기능에 중요한 특정 질병 및 유전자 네트워크를 연관시킬 수 있다.[2]

전통적으로 면역체계를 연구하는 과학자들은 개별적인 기준으로 항원을 찾아 면역 반응을 자극하는 이들 항원의 단백질 서열("epitopes")을 규명해야 했다. 이 절차에서는 항원을 세포 전체로부터 격리하고 더 작은 조각으로 소화하고 T-세포와 B-세포에 대하여 시험하여 T-세포와 B-세포 반응을 관찰하도록 하였다. 이러한 고전적 접근법은 이 시스템을 정적 상태로만 시각화할 수 있었고 많은 시간과 노동이 필요했다.

면역체계는 면역체계를 전체적으로 보고 역동적인 모델로 특징짓는 능력으로 이 접근법을 쉽게 만들었다. 면역체계의 가장 두드러진 특징들 중 일부는 구성 세포의 지속적인 운동성, 이직성, 그리고 가소성이라는 것을 밝혀냈다. 또한, 현재의 유전체 기술은 마이크로레이와 같이 시간이 지남에 따라 면역계 유전자 발현을 포착할 수 있으며, 선천적인 면역계 세포와 미생물의 상호작용을 추적할 수 있다. T세포와 B세포-epitope 매핑을 포함한 새로운 단백질 접근법도 과학자들이 항체 항체 항체 항체유전 관계를 발견하는 속도를 가속화할 수 있다.

정의

숙주의 면역 체계는 많은 "놀이하는 사람"이 참여하는 병원체 특이 반응의 집합에 의해 병원체 침입에 반응한다; 이것들은 항체, T-헬퍼 세포, 세포독성 T-세포 등을 포함한다. 항원발현세포(APC)는 병원균을 내실화하고 세포 표면에 주요 조직적합성 복합체(MHC)를 가진 항원의 파편인 비문을 표시할 수 있다. T-셀 응답은 T-셀이 이러한 표시된 상피들을 인식할 때 시작된다. T-세포와 B-세포 반응을 자극하기 위해 일부 병원성 특이 항원에서 추출한 특정 펩타이드 시퀀스만 필요하다. 즉, 면역 반응을 시작하기 위해 전체 병원성 펩타이드 시퀀스가 필요하지 않다. 병원체의 '면역체'는 그 상피 세트로 설명되며, 게놈 서열을 비교하고 면역정보 도구를 적용하여 정의할 수 있다.[3]

역사

Ash Alizadeh 외 연구진은 면역세포의 유전자 발현을 정의하기 위한 cDNA 마이크로레이의 잠재력을 최초로 인정한 사람들 중 일부였다. 그들의 분석은 세포 활성화 중 인간 B와 T 림프구의 유전자 발현 및/또는 신호 규제 분자의 한 종류인 사이토카인과의 자극에 대해 조사했다. 자극된 T 림프구에 있는 활성화 유전자의 다수가 G0/G1 세포 주기 전환이나 케모카인에 대한 부호화에 관여하는 것으로 알려져 염증 반응에 관여하는 분자를 신호했다. 이 팀은 또한 T 세포의 미토생성 동안 일시적인 유전자 발현 패턴을 시각화할 수 있었다. 이 과학자들은 획기적인 논문의 결론 부분에서 "면역학 연구의 거의 모든 구석이 유전자 발현에 대한 cDNA 미세배열 분석의 혜택을 받을 것"이라고 밝히고, 이에 따라 면역체계의 상승을 예고했다.

이 시점에서 이용할 수 있는 미세조영과 불완전한 인간 게놈에 의해 제한되어, 이와 같은 일련의 연구자들은 주어진 세포 유형에서 우선적으로 표현되는 유전자에 초점을 맞추거나 주어진 생물학적 과정에서 기능적으로 중요한 것으로 알려진 전문화된 마이크로 어레이를 만들도록 동기를 부여받았다. 그 결과 알리자데와 동료들은 1만3000여 개의 유전자를 포함하고 면역체계에 중요한 유전자를 위해 농축된 '림프초칩' cDNA 마이크로어레이를 설계했다.[4]

아이어 외 연구원의 1999년 논문은 면역학적 연구에 게놈 기술을 적용하는 것의 중요성을 밝히는 또 다른 글이었다. 실험을 시작할 때 면역의 어떤 측면도 다루고 싶지는 않지만, 이 연구자들은 혈청 자극 섬유블라스트의 표현 프로파일이 예상보다 훨씬 풍부하다고 보고 상처를 치료하는 섬유블라스트에 중요한 생리학적 역할을 제안했다. 혈청 유도 유전자는 응고 및 세포외 기질 리모델링에 직접 관여하는 유전자를 비롯해 염증을 위한 신호단백질, 새로운 혈관 개발, 상피조직의 재생 등 상처 치유와 관련된 과정과 연관돼 왔다. 또한, 이러한 표현 분석의 가장 중요한 결과 중 하나는 혈청에 대한 섬유화합물을 반응하는 동안 일시적으로 발현이 조절된 200개 이상의 이전에 알려지지 않았던 유전자를 발견한 것이다. 이러한 결과는 면역 반응을 공동 생리학적 프로그램으로 보는 것의 중요성을 드러냈고 면역체계에 대한 추가 연구를 개별 조각으로만 보는 것이 아니라 네트워크로 간청했다.[5]

2006년, Moutaftsi 등은 에피토프 매핑 도구가 백신 바이러스에 대한 뮤린 T-세포 반응의 95%를 책임지는 에피토프를 정확하게 식별할 수 있다는 것을 입증했다. 그들의 연구를 통해, 이 과학자들은 게놈, 단백질, 면역학적 데이터를 이용하면서 정보학 및 면역학의 학제간 영역을 도입했다. 이 방법의 두드러진 성공과 용이성은 연구자들에게 다른 병원체의 면역체를 정의하고 면역성을 발생시키는 병원체 면역체의 폭과 중첩을 측정하도록 장려했다. 또한 자가면역성, 이식성, 면역유전성 등 에피토프 매핑 도구를 사용할 수 있는 다른 용도를 제안했다.[6]

사용된 기술

면역 미세선

면역체계의 반응과 상호작용을 특별히 관찰하기 위해 몇 가지 유형의 미세조영선이 생성되었다. 항체 마이크로레이는 항체를 탐사로, 항원은 대상으로 사용한다. 그것들은 항체 탐침이 특정한 항원 농도를 직접 측정하는 데 사용될 수 있다. 펩타이드 마이크로레이는 항원 펩타이드를 프로브로, 혈청 항체를 표적으로 사용한다. 이것들은 자가면역질환과 알레르기에 대한 이해, B세포 상피 정의, 백신 연구, 검출 측정, 항체 특이성 분석에 기능 면역학적 적용에 사용될 수 있다. MHC 마이크로레이는 면역 어레이에서 가장 최근에 개발된 것으로 펩타이드-MHC 복합체와 그 공동 자극 분자를 탐침 및 T-세포 모집단으로 사용한다. 바운드 T세포가 활성화되어 특정 검출 항체에 의해 포획되는 사이토카인을 분비한다. 이 마이크로어레이는 MHC 제한 T세포 표피형을 매핑할 수 있다.[7]

림프조끼

림프절: 전문 cDNA 마이크로 어레이

림프절은 면역 기능과 관련된 유전자를 위해 농축된 인간 cDNA 마이크로 어레이로 스탠포드 대학의 애쉬 알리자데가 만든 것으로 3개 소스에서 1만7,853개의 cDNA 클론이 추출됐다. 첫 번째 클론 집합은 식별된 표현 시퀀스 태그(EST)가 림프형 cDNA 라이브러리에서 고유하거나 농축된 경우 선택되었으며, 이는 림프관 클론의 최대 80%를 나타낸다. 두 번째 복제 세트는 면역 반응의 1세대 마이크로 어레이 분석에서 확인되었다. 마지막으로 면역기능, 종양발생, 사멸, 세포증식 또는 병원성 인간 바이러스의 개방된 판독틀에 있다고 알려져 있거나 의심되는 3,183개의 유전자가 림프절에 사용되었다. 새로운 유전자가 자주 추가되고 있다.

T- 및- B-셀-에피토프 매핑 도구

에피토프 지도는 그들의 표적 항원이 결합하는 항체의 부위를 식별한다. 과거에는, 과학자들은 항원을 분리하여 더 작은 조각으로 소화하고, 항체의 상피를 정의하기 위해 이 조각들 중 어떤 것이 T-와 B-세포 반응을 자극하는지 알아내야 했다. 면역체계는 생물정보학의 힘을 이용하고 에피토프 시퀀스의 발견을 가속화하는 지도 알고리즘을 제공한다. 이러한 알고리즘은 백신 설계 및 치료 단백질의 자가면역성, 내분비학, 알레르기, 이식, 진단 및 엔지니어링의 맥락에서 면역 반응을 특성화하고 수정하는 데 관련된다.

T세포와 B세포 에피포프 매핑 알고리즘은 단백질의 구조나 기능에 대한 사전 지식 없이도 병원균의 게놈 서열을 기반으로 에피포프를 계산적으로 예측할 수 있다. 다음과 같은 특징을 식별하기 위해 일련의 단계를 사용한다.

  1. 독성 유기체와 독성 유기체의 비교는 독성 균주에 고유한 시퀀스를 찾아 T-세포 반응을 요구하는 상피에 대해 코드화하는 후보 유전자를 식별한다. 또한, 차동 마이크로 어레이 기술은 호스트 상호 작용 중에 상향 조정되는 병원체 고유 유전자를 발견할 수 있으며, 병원체의 기능에 중요하기 때문에 분석과 관련이 있을 수 있다.
  2. 면역정보학 도구는 병원체의 게놈에서 유래한 단백질 서열을 스캔하여 T세포와 상호작용하는 이러한 후보 유전자의 영역을 예측한다.
  3. 이러한 예측된 펩타이드들은 합성되어 T세포에 대한 체외 선별을 사용한다. 양성 면역 반응을 인식하는 것은 이 펩타이드에 자연적인 감염이나 질병의 과정에서 면역 반응을 자극하는 에피토프가 포함되어 있다는 것을 암시할 수 있다.[8]

사용 가능한 매핑 도구

  • 에피매트릭스
  • 테피토프
  • 다중화
  • MHC 나사산
  • MHCPred
  • NetMHC
  • LpPep
  • 비마스

유량 시토메트릭에 의한 테트라머 얼룩

플로우 시토메트리 이면의 유도 원리는 형광 탐침으로 태그가 된 세포나 아세포 입자를 레이저 빔을 통과해 물방울에 포함된 세포가 방출하는 형광의 강도에 따라 분류하는 것이다. MHC [Tetramer stating]은 흐름 세포측정법에 의해 형광 태그가 붙은 MHC-펩타이드 복합체로 세포 표면 수용체의 결합 특수성에 근거하여 특정 T 세포를 식별하고 격리한다.[9]

엘리스포트

ELISPOT는 ELISA 면역측정법의 변형판으로 면역반응을 감시하는 일반적인 방법이다.

면역체계 이해에 대한 기여

면역체계는 세포유형의 유전자 발현 프로필의 차이를 밝혀내고 면역반응의 특성화, 면역세포 선과 관계 조명, 유전자 규제망 구축 등으로 면역체계의 이해에 상당한 영향을 미쳤다. 다음의 기여목록은 완전하지 않지만, 면역학 연구의 광범위한 적용과 면역학에 대한 강력한 결과를 증명하기 위한 것이다.

면역세포 활성화 및 분화

B 림프구 아너지

마이크로레이는 B 림프구에서 항원에 의한 활성화나 아너지와 상관관계가 있는 유전자 발현 패턴을 발견했다. 림프구 아너지 경로는 일부의 유도를 수반하지만 림프구 활성화 중에 사용되는 모든 신호 경로는 아니다. 예를 들어 NFAT 및 MAPK/ERK 키나아제 경로는 무전기(또는 "내성") 셀 라인으로 표현되는 반면 NF-kB 및 c-Jun N-단자 키나제 경로는 표시되지 않는다. 항원 자극성 naveve B세포 이후 발현이 변형된 300개의 유전자 가운데 내성 B세포에서 조절된 유전자는 8개에 불과했다. 이러한 "관용성" 경로를 이해하는 것은 면역 억제 약물을 설계하는 데 중요한 의미를 갖는다. 내성 B 세포의 이러한 유전자 발현 서명은 자연 내성의 기능적 효과를 모방한 화합물을 조사하기 위해 약물 검사 중에 사용될 수 있다.[10]

림프구 분화

인간 림프구 분화 중 유전자 발현 프로파일은 성숙하고 순진한 B 세포들을 생식 중심 반응을 통해 휴식 상태에서 말단 분화로 이어왔다. 이러한 연구는 유전자 발현 프로파일이 활성화된 주변 B 세포와 다르기 때문에 생식 중심 B 세포가 분화의 뚜렷한 단계를 나타낸다는 것을 보여주었다. 시험관내 배양 시스템은 휴면 말초 B세포가 완전한 생식 중심 표현형을 채택하도록 유도할 수 없었지만, 이러한 유전자 표현 프로파일은 발달하면서 생식 중심 상태를 모방한 시험관내 배양균의 성공 여부를 측정하는 데 사용될 수 있다.[11]

림프성 악성종

인간 림프종 암 10개 중 약 9개가 B세포에서 발생한다. 많은 수의 확산 대세포 림프종(DLCL)에서 뚜렷한 면역체 넓은 표현 패턴 - 비호지킨 림프종의 가장 일반적인 형태 - 이전에는 단일 질병으로 생각되었던 것 중에서 적어도 두 가지 다른 하위 유형을 식별했다. 이들 DLCL의 한 부분집합은 일반 생식 중심 B 세포와 유사한 유전자 발현 패턴을 보이며 종양 세포가 생식 중심 B 세포에서 발생했음을 암시한다. B세포 악성종양에 대한 다른 조사에서는 모낭 림프종이 발현특성을 생식 중심 B세포와 공유하는 반면 만성 림프구 백혈병 세포는 휴식 중인 말초혈액 림프구를 닮았다. 더욱이 이러한 각 세포 라인의 이질성은 DLCL에서 나타난 바와 같이 각 림프종 유형 내에 서로 다른 아형이 존재함을 시사하기도 한다. 그러한 지식은 환자에게 가장 적절한 치료를 지시하는 데 사용될 수 있다.[12]

면역반응

박테리아에 대한 대식세포 반응

마이크로레이는 다른 미생물에 대한 대식세포의 전지구적 반응을 분석하여 이러한 반응이 염증 작용을 지속하고 제어하며 미생물을 죽이기도 한다는 것을 확인했다. 이러한 독립적인 연구는 대식세포가 어떻게 다른 미생물에 대한 공격을 가하는지를 더 잘 설명할 수 있었다. 132개 유전자를 유도하고 59개 유전자를 억제하는 '핵심 전사 반응'이 관찰됐다. 유도유전자에는 프로염증화학물질과 사이토카인, 그리고 각각의 수용체가 포함된다. '병원성 특이 반응'도 관찰됐다.[13]

병원체 생성에 대한 덴드리트 반응

Dendritic cells(DC)는 대식세포가 염증 작용을 지속시키고 선천적인 면역계 반응에 참여하도록 돕지만 적응성 면역력을 프라이밍할 수도 있다. 유전자 발현 분석은 DC가 일시적으로 서로 다른 기능을 분리함으로써 "다중 작업"을 할 수 있다는 것을 보여주었다. 감염성 물질을 인지한 직후, 미성숙 DC는 병원체 인식과 파고모시토증과 관련된 유전자의 급속한 하향 조절, 다른 면역 세포를 인화 측면으로 채용하기 위한 사이토카인과 케모카인 유전자의 상향 조절, 그리고 유전자의 발현을 통해 조기 활성화 상태로 전환된다.모자이크 처리로 철새 이동 능력을 조절하다 초기 활성화된 DC는 림프절이 아닌 조직에서 림프절로 이동할 수 있으며, 여기서 T세포 반응을 프라이밍할 수 있다. 이러한 초기 DC 반응은 선천적인 면역성과 관련되며 DC의 "핵심 전사 반응"으로 구성된다. 병원체 특유의 반응은 DC의 적응성 면역 조절 능력에 더 큰 영향을 미친다.

면역세포 유형 구분

면역세포의 전반적인 전사 프로그램 사이의 차이를 비교하면 다른 모든 세포에 비해 세포의 표현 프로파일을 가장 잘 반영하기 위해 각 세포 유형을 배치하는 플롯을 생성할 수 있으며 세포 유형 간의 흥미로운 관계를 드러낼 수 있다. 예를 들어 흉선 중상피 면역세포의 전사 프로파일은 다른 상피보다 림프구에 더 가깝게 매핑되었다. 이것은 이 두 세포 유형 사이에 기능적 상호작용이 존재하며 특정 증상과 단백질의 공유를 필요로 한다는 것을 암시할 수 있다. 혈액계 세포의 유전자 발현 프로파일을 비교할 때, T세포와 B세포는 각각의 세포 유형과 긴밀하게 그룹화된다.

과학자들은 서로 다른 T세포의 전사적 프로파일을 살펴봄으로써 자연 킬러 T세포가 T세포와 자연 킬러세포 사이의 중간세포형이 아니라 기존의 CD4+T세포와 밀접한 변종이라는 것을 보여주었다. 또한 DC, 자연 킬러 세포, B 세포는 지구적 표현 프로파일에 기초하여 긴밀하게 그룹화된다. B 림프구와 T 림프구가 서로 분리되어 군집할 것으로 예상되었거나, 자연 킬러 세포가 공통의 전구체, 세포성 활동, 유사한 활성화 표지를 공유하기 때문에 T세포와 더 밀접하게 연관되어 있을 것이라고 예상했을 수 있다. 따라서 면역체계는 고전적 관점에서 벗어나는 세포 라인 간 관계를 확립했다. 또한, 이러한 서로 다른 라인의 전역적 표현 프로파일 간의 상당한 중첩 때문에 림프형과 골수 세포 분화에서 관찰된 가소성을 더 잘 설명할 수 있다.[14]

면역 세포 규제 네트워크

네트워크는 가장 광범위한 유전적 상호작용을 나타내며 면역학적 게놈의 모든 유전자와 성적증명서를 연결하는 것을 목표로 한다. 세포 표현형과 분화 상태는 궁극적으로 이러한 공동 조절 유전자의 네트워크의 활동에 의해 확립된다. 면역학에서 가장 완전한 네트워크 중 하나는 정상적이고 변형된 인간 B 세포들 사이의 규제 연결을 해독했다. 이 분석은 고도로 연결된 소수의 유전자("허브"라고 함)가 대부분의 상호작용을 규제하는 계층적 네트워크를 시사한다. 프로토온세종 MYC는 B세포의 주요 허브이자 매우 영향력 있는 조절기로 부상했다. 특히 MYC는 보존도가 높지만 특성이 떨어지는 유전자(BYSL)를 직접 제어하는 것으로 밝혀져 전체 B세포망에서 가장 큰 허브다. 이는 BYSL이 중요한 세포분자와 MYC 기능의 임계효과의 인코딩을 하고, 그 기능을 해명하기 위한 추가 연구에 동기를 부여한다는 것을 시사한다. 따라서 유전자 발현 데이터를 이용해 네트워크를 만들면 유전체 이전 기술이 아직 규명하지 못한 면역세포 분화에 큰 영향을 미치는 유전자를 밝혀낼 수 있다.[14]

실용적 응용

백신개발

스테파니아 밤비니와 리노 라푸올리의 인용에 따르면, "새로운 강력한 유전체학 기술은 백신 접종으로 해결할 수 있는 질병의 수를 증가시켰고, 연구와 백신 개발의 발견 시간을 단축시켰다"고 한다. 고투과 유전체학 기술과 결합하여 병원균의 완전한 게놈 서열을 이용할 수 있게 된 것은 백신 개발을 가속화하는 데 도움이 되었다. 역백신학에서는 바이러스, 박테리아 또는 기생 병원체의 유전적 순서를 이용하여 병원체를 촉진하는 유전자를 잠재적으로 인코딩하는 유전자를 식별한다.[15] 역백신학의 첫 적용은 네이세리아 메닌기디스 세로그룹 B에 대한 백신 후보지를 확인했다. 연산 도구는 시퀀스 특징을 바탕으로 MenB 병원성 변종의 완전한 게놈 서열에서 600개의 putative surface-exposed 또는 분비된 단백질을 식별했다. 이러한 첨가 단백질은 대장균에서 발현되어 정제되어 쥐를 면역시키는 데 사용되었다. 쥐 면역세라를 이용한 테스트는 이러한 단백질로부터 항체를 보호하는 능력을 추정했다. 강력한 면역 반응을 유도할 수 있는 단백질들은 뇌수막염 변종들의 패널에 걸친 시퀀스 보존을 위해 검사되었고, 패널의 대부분의 변종에 대한 면역 반응을 이끌어낼 수 있는 항원의 추가 선택이 허용되었다. 과학자들은 이러한 항원 염기서열을 바탕으로 5개의 항원을 이용해 면역력을 증진시키는 네이세리아 메니니티디스(Neisseria meninitidis)에 대항하는 보편적인 '칵테일' 백신을 개발할 수 있었다.[16] 이와 유사한 접근법은 다른 것들과 마찬가지로 다양한 인간 병원균에 사용되어 왔다. 예를 들어 스트렙토코쿠스 폐렴구균, 클라미디아 폐렴구균, 바실러스 무연산염, 포르피로모나스 칭기발리스, 마이코박테리움 결핵, 헬리코박터균. 게다가, 바이러스에 대한 백신 개발을 위한 연구가 시작되었다.

질병진단

면역세포가 신체를 감시하고 방어하기 위해 사용하는 수용체 목록과 신호전달경로는 감염이나 부상의 특성을 반영하는 말초혈구 내 유전자 발현에 대한 서명 패턴을 만들어낸다. 따라서 말초혈구 세포의 특성표현 프로파일을 인식하는 것은 숙주로부터 쉽게 배양할 수 없는 오컬트 질병이나 작용제를 검출하기 위한 "스파이"로 이들 세포를 모집함으로써 강력한 진단 도구가 될 수 있다.

예를 들어 피브로블라스트의 시토메갈로바이러스(CMV) 감염과 T 림프구의 HTLV-I 감염은 뚜렷한 유전자 발현 프로파일을 드러냈다. CMV 감염은 독특한 인터페론 반응을 유발한 반면 HTLV-1 감염은 NF-kB 표적 유전자를 유도했다. 백혈구의 한 종류도 박테리아 노출과 면역체계의 발현이 사용되는 박테리아 변종의 종류에 따라 달라졌다.

말초혈액 유전자 발현의 변화를 관찰하는 것도 감염 경로를 결정하는 데 도움이 될 수 있고, 환자의 질병 단계에 맞춘 치료법으로 환자를 치료하는 데 도움이 될 수 있다. 이 접근법은 예측 가능한 일련의 사건들을 통해 진행되는 질병인 패혈증에 대해 이미 사용되어 왔다. 유전자 발현 서명은 다발성 경화증에서와 같이 임상적으로 증상이 악화되기 전에 선행될 수 있으며, 의사들이 이러한 "플레어 업(flare-up)"을 미연에 잘라내도록 허용한다.[1]

면역 게놈 프로젝트

주요 기사: 면역 게놈 프로젝트

면역체계는 상호 작용하는 세포의 네트워크로 연결된 유전자와 신호 경로의 네트워크다. 면역 게놈 프로젝트는 쥐 면역체계의 모든 세포군을 대상으로 단백질 코딩 유전자 발현에 대한 완전한 컴포듐을 생성하고자 한다. 그것은 서로 다른 세포 집단 내의 정상 상태 조건과 자연 유전적 다형성, 유전자 녹아웃, RNAi에 의한 유전자 녹다운 또는 약물 치료에 의해 생성된 유전적 및/또는 환경적 동요에 대한 반응 모두를 분석한다. 면역 세포 규제 네트워크를 역엔지니어링하거나 예측하는 계산 도구는 이러한 표현 프로파일을 사용한다.

2008년까지, ImMGen 프로젝트는 미국 전역의 7개의 면역학과 3개의 컴퓨터 생물학 실험실을 포함했고 면역 시스템에 관련된 200개 이상의 세포 집단이 확인되고 설명되었다. 이 컨소시엄은 특정 유전자의 발현 패턴, 공동 조절 유전자의 네트워크, 세포 유형을 신뢰성 있게 구분할 수 있는 유전자를 탐색하기 위한 데이터 브라우저를 만들었다. NCBI의 Gene Expression 옴니버스에서도 원시 데이터를 이용할 수 있다.[17][18]

데이터베이스

  • 실리코(아이리스)의 면역반응
  • 면역세포 참조 데이터베이스
  • 면역 게놈 프로젝트
  • IEDB(면역학적 에피토프 데이터베이스 및 분석 리소스)
  • IMGT
  • SYFPEiTHi
  • 아니젠
  • MHCBN
  • IPD
  • 축도
  • 알러지옴

참고 항목

참조

  1. ^ a b Heng TS, Painter MW; Painter; Immunological Genome Project Consortium (October 2008). "The Immunological Genome Project: networks of gene expression in immune cells". Nat. Immunol. 9 (10): 1091–4. doi:10.1038/ni1008-1091. PMID 18800157.
  2. ^ Staudt LM, Brown PO; Brown (2000). "Genomic views of the immune system*". Annu. Rev. Immunol. 18: 829–59. doi:10.1146/annurev.immunol.18.1.829. PMID 10837077.
  3. ^ 드 그루트 AS, 마틴 W(2003) "면역체에서 백신까지: 에피토프 지도와 백신 설계 도구." 면역정보학: 면역기능을 보다 잘 이해하기 위한 생물정보화 전략. 와일리, 치체스터 노바티스 재단 심포지엄 254, 57-76.[1]
  4. ^ Alizadeh A, Eisen M, Botstein D, Brown PO, Staudt LM (November 1998). "Probing lymphocyte biology by genomic-scale gene expression analysis" (PDF). J. Clin. Immunol. 18 (6): 373–9. doi:10.1023/A:1023293621057. PMID 9857281.
  5. ^ Iyer VR, et al. (January 1999). "The transcriptional program in the response of human fibroblasts to serum". Science. 283 (5398): 83–7. Bibcode:1999Sci...283...83I. doi:10.1126/science.283.5398.83. PMID 9872747.
  6. ^ Moutaftsi M, Peters B, Pasquetto V, et al. (July 2006). "A consensus epitope prediction approach identifies the breadth of murine T(CD8+)-cell responses to vaccinia virus". Nat. Biotechnol. 24 (7): 817–9. doi:10.1038/nbt1215. PMID 16767078.
  7. ^ Braga-Neto UM, Marques ET; Marques Jr (July 2006). "From functional genomics to functional immunomics: new challenges, old problems, big rewards". PLoS Comput. Biol. 2 (7): e81. Bibcode:2006PLSCB...2...81B. doi:10.1371/journal.pcbi.0020081. PMC 1523295. PMID 16863395.
  8. ^ De Groot AS, Berzofsky JA; Berzofsky (2004). "From genome to vaccine – new immunoinformatics tools for vaccine design". Bioinformatics in Vaccine Design. 34 (4): 425–8. doi:10.1016/j.ymeth.2004.06.004. PMID 15542367.
  9. ^ Altman JD, et al. (October 1996). "Phenotypic analysis of antigen-specific T lymphocytes". Science. 274 (5284): 94–6. Bibcode:1996Sci...274...94A. doi:10.1126/science.274.5284.94. PMID 8810254.
  10. ^ Healy JI, Goodnow CC; Goodnow (1998). "Positive versus negative signaling by lymphocyte antigen receptors". Annu. Rev. Immunol. 16: 645–70. doi:10.1146/annurev.immunol.16.1.645. PMID 9597145.
  11. ^ Alizadeh A, et al. (1999). "The lymphochip: a specialized cDNA microarray for the genomic-scale analysis of gene expression in normal and malignant lymphocytes". Cold Spring Harb. Symp. Quant. Biol. 64: 71–8. doi:10.1101/sqb.1999.64.71. PMID 11232339.
  12. ^ Alizadeh AA, et al. (February 2000). "Distinct types of diffuse large B-cell lymphoma identified by gene expression profiling". Nature. 403 (6769): 503–11. Bibcode:2000Natur.403..503A. doi:10.1038/35000501. PMID 10676951.
  13. ^ Ricciardi-Castagnoli P, Granucci F; Granucci (November 2002). "Opinion: Interpretation of the complexity of innate immune responses by functional genomics". Nat. Rev. Immunol. 2 (11): 881–9. doi:10.1038/nri936. PMID 12415311.
  14. ^ a b Hyatt G, Melamed R, Park R, et al. (July 2006). "Gene expression microarrays: glimpses of the immunological genome". Nat. Immunol. 7 (7): 686–91. doi:10.1038/ni0706-686. PMID 16785882.
  15. ^ Bambini S, Rappuoli R; Rappuoli (March 2009). "The use of genomics in microbial vaccine development". Drug Discov. Today. 14 (5–6): 252–60. doi:10.1016/j.drudis.2008.12.007. PMC 7108364. PMID 19150507.
  16. ^ Pizza M, Scarlato V, Masignani V, et al. (March 2000). "Identification of vaccine candidates against serogroup B meningococcus by whole-genome sequencing". Science. 287 (5459): 1816–20. Bibcode:2000Sci...287.1816.. doi:10.1126/science.287.5459.1816. PMID 10710308.
  17. ^ 면역 게놈 프로젝트
  18. ^ NCBI 유전자 표현 옴니버스

←