生物信息學(xué)在變態(tài)反應(yīng)學(xué)中的應(yīng)用

1、生物信息學(xué)在變態(tài)反應(yīng)學(xué)中的應(yīng)用杜智華 劉志剛基金項(xiàng)目: 基金項(xiàng)目：本課題獲國(guó)家九七三計(jì)劃（No.2005CB121000）和廣東省科技重點(diǎn)計(jì)劃項(xiàng)目（No.2003A3080502）資助。作者簡(jiǎn)介：杜智華，女，博士，研究方向?yàn)樯镄畔W(xué)，過(guò)敏原的檢測(cè)、分析及新藥的研發(fā)。* 通訊作者： 劉志剛, 教授，博士生導(dǎo)師。Tel: Fax: E-mail: lzg（深圳大學(xué)生命科學(xué)學(xué)院，深圳 518060）摘要 變態(tài)反應(yīng)疾病是臨床上的常見(jiàn)病、多發(fā)病，是當(dāng)前世界性的重大衛(wèi)生學(xué)問(wèn)題之一。隨著現(xiàn)代醫(yī)學(xué)、免疫學(xué)和分子生物學(xué)的迅速發(fā)展，過(guò)敏原以及相關(guān)數(shù)據(jù)的

2、快速增加，生物信息學(xué)的在變態(tài)反應(yīng)學(xué)中的重要性越來(lái)越突出。生物信息學(xué)以計(jì)算機(jī)為工具對(duì)過(guò)敏原數(shù)據(jù)進(jìn)行儲(chǔ)存、檢索和分析，是對(duì)傳統(tǒng)生命科學(xué)在變態(tài)反應(yīng)學(xué)研究中的一個(gè)重要補(bǔ)充。本文主要介紹了生物信息學(xué)在過(guò)敏反應(yīng)研究中的重要的應(yīng)用，包括：過(guò)敏原的結(jié)構(gòu)分析，蛋白質(zhì)致敏性的評(píng)估，過(guò)敏原之間交叉反應(yīng)的預(yù)測(cè)，確定B-細(xì)胞和T-細(xì)胞表位的分析。通過(guò)這些方法的介紹，旨在說(shuō)明生物信息學(xué)在過(guò)敏反應(yīng)研究中的應(yīng)用價(jià)值。關(guān)鍵詞 變態(tài)反應(yīng)；過(guò)敏原；致敏性評(píng)估；生物信息學(xué)； Bioinformatics for the study of allergy Du zhihua, Liu zhigang *(College of Life

3、 Sciences, ShenZhen University, ShenZhen 518060, China)Abstract: Objective Allergy is a major cause of disease and has a significant impact on society. As the number of characterized allergens and related information is increasing rapidly, it is needed to store, retrieve and analyze these data. Bioi

4、nformatics provides various computational tools and approaches to acquire, store, visualize and interpret allergens and these are complementary to traditional laboratory study. This paper presents an overview of applications of bioinformatics available for the research of allergy ranging from struct

5、ural analysis of allergen, assessment of allergenicity, cross-reactivity and identification of B- and T-cell epitopes. Keywords allergy；bioinformatics; cross-reactivity；T-cell epitope；B-cell epitope; IgE epitope;過(guò)敏反應(yīng)又稱超敏反應(yīng)或變態(tài)反應(yīng)，是指機(jī)體受同一過(guò)敏原再次刺激后產(chǎn)生的一種異常或病理性免疫反應(yīng)。過(guò)敏原進(jìn)入患者體內(nèi)，隨即被巨噬細(xì)胞 (抗原呈遞細(xì)胞、APC細(xì)胞) 捕獲，巨噬細(xì)胞對(duì)

6、過(guò)敏原消化、處理后將抗原表位決定簇傳遞給輔助性T淋巴細(xì)胞，再傳給B細(xì)胞。B細(xì)胞分裂并產(chǎn)生免疫球蛋白E（IgE），IgE與人體自身的肥大細(xì)胞和血清中嗜堿細(xì)胞的Fc受體結(jié)合而致敏。肥大細(xì)胞主要分布在皮膚、黏膜和毛細(xì)血管周圍。當(dāng)患者再次接觸這種過(guò)敏原，過(guò)敏原就會(huì)與致敏細(xì)胞上的IgE抗體結(jié)合，使細(xì)胞脫顆粒，釋放出組胺、5羥色胺、緩激肽等活性物質(zhì),導(dǎo)致過(guò)敏性疾病的發(fā)生。隨著過(guò)敏原以及相關(guān)數(shù)據(jù)的快速增加（國(guó)際免疫學(xué)會(huì)聯(lián)合會(huì)維護(hù)并保持更新經(jīng)確認(rèn)的過(guò)敏原資料庫(kù)1），生物信息學(xué)在變態(tài)反應(yīng)學(xué)中的重要性越來(lái)越突出。 生物信息學(xué)是以計(jì)算機(jī)為主要工具，從核酸和蛋白質(zhì)序列出發(fā)，分析序列中表達(dá)結(jié)構(gòu)和功能的生物信息。它能夠?qū)?/p>

7、日益增長(zhǎng)的過(guò)敏原的序列和結(jié)構(gòu)等相關(guān)信息進(jìn)行收集、儲(chǔ)存、提取、加工、分析和研究，同時(shí)建立理論模型，指導(dǎo)實(shí)驗(yàn)研究。 它由數(shù)據(jù)庫(kù)、計(jì)算機(jī)網(wǎng)絡(luò)和應(yīng)用軟件三大部分構(gòu)成，在變態(tài)反應(yīng)研究中發(fā)揮不可替代的作用。本文首先介紹了生物信息學(xué)中的主要方法，然后研究了這些方法在過(guò)敏反應(yīng)研究中的重要應(yīng)用，包括：蛋白質(zhì)致敏性評(píng)估，過(guò)敏原之間交叉反應(yīng)的預(yù)測(cè)，確定B-細(xì)胞和T-細(xì)胞表位的分析。通過(guò)這些方法的介紹，旨在說(shuō)明生物信息學(xué)在過(guò)敏反應(yīng)研究中的應(yīng)用價(jià)值。一、 生物信息學(xué)的主要功能生物信息學(xué)通?？梢詰?yīng)用到生物科學(xué)相關(guān)的研究中。例如，用于序列分類、相似性搜索、DNA序列編碼區(qū)識(shí)別、分子結(jié)構(gòu)與功能預(yù)測(cè)、進(jìn)化過(guò)程的構(gòu)建等方面的計(jì)算

8、工具已成為變態(tài)反應(yīng)研究工作的重要組成部分。針對(duì)核酸序列的分析就是在核酸序列中尋找過(guò)敏原基因，找出基因的位置和功能位點(diǎn)的位置，以及標(biāo)記已知的序列模式等過(guò)程。針對(duì)蛋白質(zhì)序列的分析，可以預(yù)測(cè)出蛋白質(zhì)的許多物理特性，包括等電點(diǎn)分子量、酶切特性、疏水性、電荷分布等以及蛋白質(zhì)二級(jí)結(jié)構(gòu)預(yù)測(cè)，三維結(jié)構(gòu)預(yù)測(cè)等。生物信息學(xué)中的主要方法有：1. 序列比對(duì)：比較兩個(gè)或兩個(gè)以上核酸序列或蛋白質(zhì)序列的相似性或不相似性。相似性是指序列比對(duì)過(guò)程中用來(lái)描述檢測(cè)序列和目標(biāo)序列之間相同DNA堿基或氨基酸殘基順序所占比例的高低。當(dāng)相似程度高于50%時(shí)，比較容易推測(cè)檢測(cè)序列和目標(biāo)序列可能是同源序列；而當(dāng)相似性程度低于20%時(shí)，就難以確

9、定或者根本無(wú)法確定其是否具有同源性。序列比對(duì)是生物信息學(xué)的基礎(chǔ)，非常重要。同源序列的多序列比對(duì)也是生物信息學(xué)工具中一個(gè)有力的工具。它可以被視為如同定點(diǎn)誘變一樣的技術(shù)，允許觀察殘基可以改變到什么程度而蛋白質(zhì)仍保持功能；它也可以得到圍繞某一殘基的三級(jí)結(jié)構(gòu)信息。2. 結(jié)構(gòu)比對(duì)：比較兩個(gè)或兩個(gè)以上蛋白質(zhì)分子空間結(jié)構(gòu)的相似性或不相似性。3. 蛋白質(zhì)結(jié)構(gòu)的預(yù)測(cè)：蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)包括2級(jí)和3級(jí)結(jié)構(gòu)的預(yù)測(cè)。傳統(tǒng)生物學(xué)認(rèn)為，蛋白質(zhì)序列決定了它的三維結(jié)構(gòu)，也就決定了它的功能。由于用X光晶體衍射和核磁共振技術(shù)（NMR）測(cè)定蛋白質(zhì)的三維結(jié)構(gòu)，無(wú)法適應(yīng)蛋白質(zhì)飛速增長(zhǎng)的需要，因此多用演繹法和歸納法來(lái)預(yù)測(cè)。演繹法主要是從一些

10、基本原理或假設(shè)出發(fā)來(lái)預(yù)測(cè)和研究蛋白質(zhì)的結(jié)構(gòu)和折疊過(guò)程。歸納法主要是從觀察和總結(jié)已知的蛋白質(zhì)結(jié)構(gòu)規(guī)律出發(fā)來(lái)預(yù)測(cè)未知蛋白質(zhì)的結(jié)構(gòu)，例如：同源模建和指認(rèn)（Threading）方法。4. 構(gòu)造分子進(jìn)化樹(shù)：利用不同物種中同一種基因序列的異同來(lái)研究生物的進(jìn)化，構(gòu)建進(jìn)化樹(shù)。既可以用DNA序列也可以用其編碼的氨基酸序列來(lái)做，甚至于可通過(guò)相關(guān)蛋白質(zhì)的結(jié)構(gòu)比對(duì)來(lái)研究分子進(jìn)化。5. 聚類：基因聚類的目標(biāo)是將表達(dá)模式相近的基因聚在一起，因?yàn)楸磉_(dá)模式相近的基因被認(rèn)為具有相近或相關(guān)的功能。這種分析旨在將基因分成一些功能相近或相關(guān)的小組，這樣便于去探索基因的功能。 生物信息學(xué)是生物學(xué)中的一個(gè)不可缺少的有效工具，但

11、是生物學(xué)才是生物信息學(xué)的核心和靈魂，生物信息學(xué)中的算法和工具只有運(yùn)用到具體的生物研究課題中，才能起到巨大作用。二、 生物信息學(xué)在變態(tài)反應(yīng)中的應(yīng)用生物信息學(xué)能快速對(duì)蛋白的過(guò)敏性做出評(píng)價(jià)，主要是通過(guò)對(duì)過(guò)敏原的同源性、交叉反應(yīng)性和過(guò)敏原的刺激機(jī)體產(chǎn)生免疫應(yīng)答的能力進(jìn)行預(yù)測(cè)。1. 同源性預(yù)測(cè)生物信息學(xué)中的相似性分析是一種最簡(jiǎn)單快捷的致敏性預(yù)測(cè)方法，用來(lái)比較基因的表達(dá)產(chǎn)物是否同已知的過(guò)敏蛋白具有同源性。 目前已知過(guò)敏原的氨基酸序列都被過(guò)敏原數(shù)據(jù)庫(kù)收錄(表1中列出了現(xiàn)有過(guò)敏原數(shù)據(jù)庫(kù)以及網(wǎng)址)，過(guò)敏原的相似性分析主要是以這些數(shù)據(jù)庫(kù)聯(lián)合檢索的過(guò)敏原序列為基礎(chǔ)進(jìn)行的。表1：過(guò)敏原數(shù)據(jù)庫(kù)數(shù)據(jù)庫(kù)網(wǎng)址Internat

12、ional Union of ImmunologicalSocieties (IUIS) 國(guó)際免疫學(xué)會(huì)聯(lián)合會(huì)Allergome 過(guò)敏原相關(guān)數(shù)據(jù)庫(kù)Structural Database of Allergenic Proteins (SDAP) 過(guò)敏相關(guān)基因數(shù)據(jù)庫(kù)/SDAPFood Allergy Research and Resource Program (FARRP) 食物過(guò)敏原相關(guān)數(shù)據(jù)庫(kù)PROTALL 英國(guó)食品過(guò)敏原數(shù)據(jù)庫(kù)http:/www.ifr.bbsrc.

13、ac.uk/ProtallBioinformatics for Food Safety 食品安全相關(guān)數(shù)據(jù)庫(kù)/sgendel/fa.htmSwiss-Prots Allergen Index SWISS-PROT蛋白質(zhì)序列數(shù)據(jù)庫(kù)的過(guò)敏原數(shù)據(jù)索引/sprotInformall 歐盟關(guān)于食品過(guò)敏原的數(shù)據(jù)庫(kù)Central Science Laboratory 英國(guó)過(guò)敏原數(shù)據(jù)庫(kù).uk/allergen/AllerPRedict 新加坡A

14、-star研究所的過(guò)敏原數(shù)據(jù)庫(kù)以及分析工具.sg/Templar/DB/Allergen/Allermatch 荷蘭過(guò)敏原數(shù)據(jù)庫(kù)以及分析工具/International Immunogenetics (IMGT) Information System 國(guó)際免疫遺傳學(xué)信息系統(tǒng)http:/imgt.cines.fr/AllAllergy 關(guān)于過(guò)敏（變態(tài)）反應(yīng)數(shù)據(jù)庫(kù)網(wǎng)站FASTA 7 和 BLAST2 是最常用序列相似性比較的工具，二者都采用局部比對(duì)策略，功能基本相同。輸入基因或蛋白質(zhì)序列，通過(guò)

15、BLAST或FASTA等程序搜索數(shù)據(jù)庫(kù)，列出與輸入序列有較高相似性的已知過(guò)敏原序列。BLAST搜索速度快，對(duì)大型數(shù)據(jù)庫(kù)的操作比較有效，F(xiàn)AST對(duì)搜索局部小匹配更敏感，且容易對(duì)本地?cái)?shù)據(jù)庫(kù)進(jìn)行操作，因此在過(guò)敏原的相似性分析中傾向于使用FAST程序。 由于相似性分析主要目的是鑒定轉(zhuǎn)基因產(chǎn)物同過(guò)敏原的交叉反應(yīng)，也就是證明轉(zhuǎn)化基因是否有相同的抗原表位，因此過(guò)敏原的相似性比較要求局部的氨基酸完全匹配，為此必需選擇單位矩陣。有證據(jù)表明，與IgE結(jié)合抗原表位并不是完全保守，因此通常采用雙步分析，即先用單位矩陣作相同表位的預(yù)測(cè)，再用取代矩陣作進(jìn)一步的驗(yàn)證，使用取代矩陣的分析也同時(shí)實(shí)現(xiàn)了同源性預(yù)測(cè)。聯(lián)合國(guó)糧農(nóng)組織

16、及世界衛(wèi)生組織（FAO/WHO）、國(guó)際生命科學(xué)研究所（ILSI）制定了一系列關(guān)于蛋白致敏性評(píng)價(jià)的標(biāo)準(zhǔn)（FAO/WHO，2001，;2003,h傳統(tǒng)生物學(xué)以及生物信息學(xué)的測(cè)試。生物信息學(xué)部分過(guò)敏性的判定標(biāo)準(zhǔn)包括以下兩個(gè)標(biāo)準(zhǔn)：至少有6個(gè)連續(xù)的氨基酸與已知過(guò)敏原相同或者在長(zhǎng)度為80個(gè)氨基酸的窗口中，同過(guò)敏蛋白的同源性在35%以上3,4,5。由于6個(gè)連續(xù)的氨基酸相同的判定很容易出現(xiàn)假陽(yáng)性結(jié)果，因此必須與同源性分析同時(shí)進(jìn)行，在兩者都成陽(yáng)性結(jié)果時(shí)，才能判斷轉(zhuǎn)化蛋白的過(guò)敏可能性。然而，Silvanovich A. 等（2005）通過(guò)概率學(xué)研究，表明8個(gè)或更少連續(xù)的氨基酸相同判定蛋白過(guò)敏性只是一個(gè)隨機(jī)產(chǎn)生的結(jié)

17、果，對(duì)致敏性評(píng)估不具備任何意義13。另外，目前序列相似性分析僅局限于氨基酸順序的比較，由于除了氨基酸順序決定表位之外還存在構(gòu)象決定表位引起過(guò)敏，序列相似性分析并不能包括構(gòu)象決定表位分析，因此在序列相似性分析之后，還應(yīng)該包括空間結(jié)構(gòu)的分析（進(jìn)行3-D結(jié)構(gòu)的比較對(duì)過(guò)敏蛋白結(jié)構(gòu)進(jìn)行相似性分析）。必要時(shí)應(yīng)做血清學(xué)試驗(yàn)來(lái)驗(yàn)證目的基因編碼的蛋白是否能與特異性IgE結(jié)合，從而更準(zhǔn)確地判斷該基因或蛋白是否引起過(guò)敏。2. 交叉反應(yīng)預(yù)測(cè)在變態(tài)反應(yīng)中花粉癥患者常會(huì)存在與一些植物類食物過(guò)敏原如蔬菜、水果之間的交叉過(guò)敏。通過(guò)生物信息學(xué)的分析，大多數(shù)植物蛋白質(zhì)引起的過(guò)敏都具有非常相似的形狀。 Jenkins等6報(bào)道了所有

18、的植物類食物過(guò)敏原按照蛋白質(zhì)家族分類，只歸類到3，849種蛋白質(zhì)家族中的20種。而其中4個(gè)家族就囊括了三分之二的過(guò)敏原。研究結(jié)果還表明，過(guò)敏原的結(jié)構(gòu)是非常相似的，提示保守結(jié)構(gòu)及其生物學(xué)活性在決定過(guò)敏原特性方面可能起重要作用。結(jié)構(gòu)生物信息分析表明在對(duì)任何潛在IgE交叉過(guò)敏原性進(jìn)行評(píng)估時(shí)（如新的蛋白質(zhì)），均應(yīng)包括3D結(jié)構(gòu)保守序列，即使蛋白表面結(jié)構(gòu)單一的一個(gè)保守區(qū)域也可產(chǎn)生交叉反應(yīng)。通過(guò)對(duì)這些開(kāi)花植物結(jié)構(gòu)的進(jìn)一步認(rèn)識(shí)，研究結(jié)果就可以解釋為何似乎并無(wú)相似性的種系之間會(huì)發(fā)生交叉反應(yīng)。另外，通過(guò)對(duì)新開(kāi)發(fā)食物蛋白保守3D結(jié)構(gòu)進(jìn)行評(píng)估，可以預(yù)測(cè)其是否會(huì)存在同其他過(guò)敏原的交叉反應(yīng)，對(duì)避免可能出現(xiàn)的嚴(yán)重食物過(guò)敏有

19、重大的意義。3. 免疫原性預(yù)測(cè)相似性分析和血清學(xué)檢測(cè)只能對(duì)目前已知的或已經(jīng)發(fā)生過(guò)敏反應(yīng)的過(guò)敏原進(jìn)行預(yù)測(cè)。如果要對(duì)從來(lái)未有過(guò)的或新合成的蛋白質(zhì)進(jìn)行預(yù)測(cè)，就只能通過(guò)對(duì)該蛋白質(zhì)本身的刺激機(jī)體產(chǎn)生免疫應(yīng)答的能力進(jìn)行預(yù)測(cè)?？乖瓫Q定簇是存在于抗原分子表面、決定抗原特異性的特殊化學(xué)基團(tuán)。是抗原分子和TCR、BCR及抗體特異性結(jié)合的部位，又稱抗原表位。 過(guò)敏原抗原表位的預(yù)測(cè)工作對(duì)于分子生物學(xué)實(shí)驗(yàn)，如多肽疫苗的合成、診斷試劑的制備和單克隆抗體的篩選等，都是必不可少的工具，并且得到越來(lái)越廣泛的應(yīng)用。蛋白抗原表位的預(yù)測(cè)自從80年代就已經(jīng)被提出，根據(jù)蛋白的免疫原性與蛋白質(zhì)結(jié)構(gòu)特性關(guān)系，主要根據(jù)下面幾個(gè)條件：1) 親水

20、特性：蛋白抗原各氨基酸殘基可分為親水性殘基和疏水性殘基兩類。在機(jī)體內(nèi)，疏水性殘基一般埋在蛋白內(nèi)部，而親水性殘基位于表面，因此蛋白的親水部位與蛋白的抗原位點(diǎn)有密切的聯(lián)系。Hopp & Woods在1981年提出了確定蛋白抗原表位的方法12，通過(guò)分析氨基酸序列，去尋找親水性最強(qiáng)的部位，根據(jù)每個(gè)氨基酸的親水值，沿著肽鏈對(duì)每6個(gè)氨基酸的親水值進(jìn)行平均，獲得了所有值的平均值后，確定最高值。 發(fā)現(xiàn)最高點(diǎn)總是落入或者接近抗原表位。但是，新的研究發(fā)現(xiàn)親水性部位與表位并無(wú)很好的一致性，即高親水部位不一定是抗原表位，抗原表位也不一定是親水性部位14。2) 兩親性：同時(shí)具有親水性和疏水性。例如：除親水性殘基

21、外，疏水性殘基也經(jīng)常出現(xiàn)在表位中，各殘基在蛋白抗原位點(diǎn)中的相對(duì)出現(xiàn)率對(duì)抗原表位的定位預(yù)測(cè)有一定意義。T細(xì)胞表位往往出現(xiàn)在兩親性的結(jié)構(gòu)中，因此利用兩親性可預(yù)測(cè)T細(xì)胞表位。這是因?yàn)?T細(xì)胞表位以其親水性面與T細(xì)胞受體結(jié)合，以其疏水性面與抗原呈遞細(xì)胞結(jié)合。3) 分子運(yùn)動(dòng)性：運(yùn)動(dòng)性高的區(qū)域往往與連續(xù)性抗原表位的位置吻合，因?yàn)榈鞍踪|(zhì)轉(zhuǎn)角區(qū)往往具有較大的自由度。4) 表面可及性：由于抗原抗體反應(yīng)發(fā)生在蛋白質(zhì)表面，因此抗原表位趨向于蛋白質(zhì)的表面部位。認(rèn)為轉(zhuǎn)角結(jié)構(gòu)為凸出結(jié)構(gòu)，多出現(xiàn)在蛋白抗原表  面，利于與抗體嵌合，較可能成為抗原表位。螺旋、片層結(jié)構(gòu)規(guī)則，不易變形，較難嵌合抗體，一般不作為

22、抗原位點(diǎn)10,11。5) 序列多變性：指蛋白抗原構(gòu)象不是剛性不變的，其多肽骨架有一定程度的活動(dòng)性，因?yàn)榭乖c抗原受體或抗體結(jié)合有一個(gè)嵌合的過(guò)程。6) 肽鏈的兩端：在大多數(shù)蛋白質(zhì)中，N端和C端往往位于分子表面并且相互靠近，處于肽鏈的末端，使得柔韌性相對(duì)大些。預(yù)測(cè)蛋白抗原表位一般以上述多種方案綜合考慮，尤其以表面可及性、多變性、兩親性及兩親性預(yù)測(cè)為重要。概括而言，作為蛋白抗原的表位首先應(yīng)位于或移動(dòng)于蛋白表面，有利于與抗原受體或抗體結(jié)合，另外要有一定柔韌性，因?yàn)榭乖c抗原受體或抗體結(jié)合有一個(gè)嵌合的過(guò)程。另外，T細(xì)胞表位可以根據(jù)主要組織相容性復(fù)合體(MHC)類與多肽的結(jié)合能力來(lái)預(yù)測(cè)。最近，基于已有知識(shí)

23、的同源模擬和蛋白質(zhì)三級(jí)結(jié)構(gòu)預(yù)測(cè)也應(yīng)用到了預(yù)測(cè)T細(xì)胞表位。當(dāng)過(guò)敏原進(jìn)入體內(nèi)后，免疫系統(tǒng)將其處理為大約包括10個(gè)氨基酸的多肽。像這樣的肽段，或是抗原決定簇，被呈現(xiàn)于“抗原提呈細(xì)胞 （APC細(xì)胞）”上，與主要組織相容性復(fù)合體(MHC)類分子結(jié)合并提呈給輔助性T淋巴細(xì)胞（Th）。 MHC-II分子對(duì)抗原分子的特異性識(shí)別在特異性免疫的起動(dòng)階段起著重要作用。只有當(dāng)過(guò)敏原和細(xì)胞表面的MHC-II分子結(jié)合成抗原肽才能被T細(xì)胞識(shí)別。只有極少的多肽片段有適合MHC蛋白的形狀，然而MHC具有高度多態(tài)性，有成千上百個(gè)細(xì)微差別的不同形態(tài)，使肽段的結(jié)合多樣化。生物信息學(xué)用計(jì)算機(jī)的方法可以解決抗原決定簇多態(tài)性預(yù)測(cè)的問(wèn)題。B

24、rusic等設(shè)計(jì)的神經(jīng)網(wǎng)絡(luò)系統(tǒng)可以預(yù)測(cè)出非典型的表位，大概有80的正確率8。該算法基于人工中樞網(wǎng)絡(luò)系統(tǒng)，將計(jì)算機(jī)互相連接，類似于簡(jiǎn)單的大腦神經(jīng)網(wǎng)絡(luò)。當(dāng)計(jì)算機(jī)“學(xué)習(xí)”大量能與已知MHC蛋白結(jié)合的多肽特征后，中樞網(wǎng)絡(luò)將“學(xué)習(xí)”有可能是最好結(jié)合者多肽的特性。當(dāng)將未知蛋白序列輸入系統(tǒng)，計(jì)算機(jī)將選出最有可能與獨(dú)特的MHC蛋白結(jié)合的肽段。這個(gè)算法主要的缺陷在于，對(duì)于每一個(gè)MHC多態(tài)性，必須給予上百個(gè)結(jié)合肽段的數(shù)據(jù)，而系統(tǒng)不能立刻鑒定出能與許多個(gè)MHC多態(tài)性結(jié)合的肽段。 Hammer等根據(jù)多態(tài)性的HLA等位基因具有相似的“口袋”提出了TEPITOPE算法解決了上述問(wèn)題9。在比較了不同的MHC多態(tài)序列后，發(fā)現(xiàn)

25、了針對(duì)每個(gè)天然氨基酸（共2 0個(gè)）的35種結(jié)合“口袋”。 通過(guò)計(jì)算一個(gè)蛋白抗原中的所有肽段，與包含有35個(gè)已測(cè)口袋51個(gè)最常見(jiàn)MHC變體的結(jié)合能力，就可以預(yù)測(cè)出免疫刺激表位具有最強(qiáng)結(jié)合能力的肽段。這種算法也可以確定與不同的MHC多肽變體結(jié)合的“混合”多肽，并能找出最佳疫苗候選者。但是，Malandain （2004）指出上述算法中存在的一個(gè)嚴(yán)重問(wèn)題：過(guò)敏反應(yīng)不是由肽段，例如B細(xì)胞表位觸發(fā)的 15。他指出B細(xì)胞表位和T細(xì)胞表位只是次要因素，他們并不能解釋為什么抗原能被提呈細(xì)胞識(shí)別。并說(shuō)明到現(xiàn)在還找不到抗原T細(xì)胞表位和B細(xì)胞表位的共同特征是因?yàn)樵诳乖黄涮幚頌榇蠹s包括10個(gè)氨基酸的多肽之前，抗原提

26、呈細(xì)胞必須識(shí)別整個(gè)未被處理前的整個(gè)分子。因此在識(shí)別過(guò)敏原取決于完整、天然蛋白的某些特性，這些線索在T細(xì)胞肽段中已經(jīng)不存在了。最新的研究表明，無(wú)脊椎動(dòng)物和植物在進(jìn)化過(guò)程中對(duì)外來(lái)的危險(xiǎn)物質(zhì)顯示出相同的機(jī)制：一組感受器例如：toll-like負(fù)責(zé)發(fā)現(xiàn)一些有共同特性的特殊分子模式，通常由混雜的成分組成（肽段，液體，離子，和/或者碳水化合物半族）。這些具有免疫原性模式的合成特性可能是限制僅通過(guò)肽段中樞來(lái)預(yù)測(cè)致敏性的原因。Furmonaviciene等 （2006）在Bioinformatics雜志上發(fā)表的一篇論文進(jìn)一步探討了過(guò)敏原能被識(shí)別的機(jī)制 16 。他們根據(jù)美國(guó)免疫學(xué)家Janeway等在2000年提

27、出的病原體模式識(shí)別理論 17：模式識(shí)別受體（pattern recognition receptor, PRR）識(shí)別應(yīng)答病原相關(guān)的分子模式（Pathogen-associated molecular pattern,PAMP），指出有可能過(guò)敏原也存在PAMP, 即共有的一種保守分子模式，能夠被PRR識(shí)別，觸發(fā)的Th2應(yīng)答，導(dǎo)致產(chǎn)生免疫球蛋白E（IgE）以及過(guò)敏反應(yīng)。他們通過(guò)對(duì)已知維結(jié)構(gòu)的過(guò)敏原: Ara 1, Act c 1, Bet v1 和 Ves v5以及它們的同源序列的分析證實(shí)了這個(gè)推論這個(gè)推論也能夠說(shuō)明為什么在大量的蛋白質(zhì)家族中，只有非常小的一部分才會(huì)引起過(guò)敏反應(yīng)然而，這個(gè)理論需要進(jìn)

28、一步通過(guò)生物信息學(xué)的方法證實(shí)。三、 結(jié)論生物信息學(xué)是當(dāng)今生命科學(xué)和自然科學(xué)的重大前沿領(lǐng)域之一，同時(shí)也將是21世紀(jì)自然科學(xué)的核心領(lǐng)域。本文系統(tǒng)的介紹了生物信息學(xué)在變態(tài)反應(yīng)研究中的應(yīng)用。生物信息學(xué)技術(shù)具有快速高效的特點(diǎn)，是更深入研究有過(guò)敏反應(yīng)所必須的，并且已在一些致敏評(píng)價(jià)中發(fā)揮重要作用。生物信息學(xué)方法的缺點(diǎn)是它是一種理論預(yù)測(cè)，因此還需傳統(tǒng)生物學(xué)的輔助，要同其他的免疫學(xué)實(shí)驗(yàn)方法結(jié)合起來(lái)才能進(jìn)一步給出準(zhǔn)確的評(píng)價(jià)。參 考 文 獻(xiàn)1King TP, Hoffman D, Lowenstein H, et al. Allergen nomenclature J. Allergy 1995，50:765774

29、.2. Altschul,SF, Madden,TL, Schaffer,AA.,et al. Gapped BLAST and PSA-BLAST: a new generation of protein database search programs J. Nucleic Acids Res. 1997,17:3389-3402. 3FAO/WHO. Evaluation of allergenicity of genetically modified foods. Report of a joint FAO/WHO Expert Consultation on Allergenicit

30、y of Foods Derived from Biotechnology.2001.4. FAO/WHO. Report of the Fourth Session of The Codex ad hoc Intergovernmental Task Force on Foods Derived from Biotechnology.2003.5. Taylor,SL. Protein allergenicity assessment of foods produced through agricultural biotechnology J6. Jenkins, JA, Griffiths

31、-Jones, S., Shewry, PR, et al. Structural relatedness of plant food allergens with specific reference to cross-reactive allergens: An in silico analysis J. J. Allergy and Clinical Immunology 2005, 115:163-17077Pearson, WR. and Lipman, DJ. Improved Tools for Biological Sequence Comparison J, Proc. Na

32、tl. Acad. Sci. 1988, 85: 2444- 2448.8Brusic V, Rudy G, Honeyman G, et al. Prediction of MHC class II-binding peptides using an evolutionary algorithm and artificial neural network J. Bioinformatics 1998. 14:121130.9Sturniolo,T., Bono,E. Ding j., Raddrizzani,L, et al. Generation of tissue-specific and promiscuous HLA ligand databases using DNA microarrays and virtual HLA class II matrices J. Nature Biotechnology,1999, 17:555561.10Shih DT, Boettiger D, Buck CA. Epitopes of adhesion-perturbing monoclonal antibodies map within