Bellek B Hücre Seçimini Anlama

Daha fazla bilgi için:ali.ma@wecistanche.com

ÖZ

Memelilerin adaptif bağışıklık sistemi, yabancı antijenlere karşı inanılmaz derecede etkili bir savunma haline gelmek için milyonlarca yıl içinde gelişmiştir. Adaptif bağışıklık sisteminin hümoral yanıtı plazma B hücrelerini oluşturur vebellek Bhücreler, her birinin kendi immünolojik hedefleri vardır. Afinite olgunlaşma süreci, geniş çapta, antijene yüksek afiniteye sahip B hücrelerinin bulunmasına ilişkin global optimizasyon problemini çözmek için bir buluşsal yöntem olarak görülmektedir. Yine de,bellek Bhücrelerafinite olgunlaşma sürecinde bilerek seçilmiş gibi görünmektedir ve daha düşük bir afiniteye sahiptir. Biz bunu öneriyoruzbellek B hücresiseçim süreci iki optimizasyon problemine yaklaşık bir çözüm olabilir: mutasyonlara veya diğer küçük farklılıklara rağmen gelecekte benzer antijenlere afiniteyi optimize etmek ve gelecekte plazma B hücrelerinin üretimine sıcak başlamak için optimize etmek. Bazı B hücre mutasyonlarının diğerlerinden daha olası olduğunu gösteren verileri dikkate alarak, hipotezlerimize kanıt sağlamak için simülasyonlar kullanıyoruz. Bulgularımız, mutasyona uğramış antijenlere yüksek afiniteye sahip bellek B hücreleri ile tutarlıdır, ancak güçlü kanıtlar sağlamamaktadır.bellek B hücreleriikincil germinal merkezlerin tohumlanması için seçilen saf B hücrelerinden daha faydalı olacaktır.

Hafıza için Cistanche NZ'ye tıklayın

1. Giriş

Bağışıklık sistemi, öğrenilmiş birkaç tanımlama algoritması uygulayan etkili bir tehdit azaltma sistemidir. Doğuştan gelen bağışıklık sistemi, yabancı istilacıları veya antijenleri belirlemede usta olsa da, daha büyük ve spesifik bir tepki yaratmak için adaptif bağışıklık sistemini devreye sokmalıdır. Adaptif bağışıklık sisteminin hümoral tepkisinin temel bir yönü, afinite olgunlaşması (AM) adı verilen bir süreç yoluyla iki tip B hücresini eğitmektir: mevcut antijeni tanımlamak için antikorlar üreten plazma B hücreleri vebellek B hücrelerigelecekte benzer antijenleri tanımlamak için sonraki bağışıklık tepkilerinde kullanılır. AM süreci, katılan B hücreleri içindeki belirli bir DNA bölgesinin, söz konusu antijene daha yüksek bir afiniteye sahip olacak şekilde seçilen yavruları oluşturmak üzere mutasyona uğratılması bakımından oldukça sıra dışıdır. DNA dizilerinin korunması çoğu hücrede genellikle son derece önemlidir, ancak B hücresi reseptörünün antijenini daha iyi tanıma şansına sahip olması için B hücresi reseptörünün şeklini tanımlayan genom bölgesi hızla değiştirilmelidir. ilgi (Meyer-Hermann ve diğerleri, 2012). Bu mutasyonlar, B hücrelerinin kendilerine sunulan herhangi bir antijeni pratik olarak tanıma konusundaki inanılmaz yeteneğinden sorumludur ve memeli adaptif bağışıklık sistemini doğal dünyadaki en etkili öğrenme tanımlama sistemlerinden biri haline getirir.

Stephen Lindsly, Maya Gupta b, Cooper Stansbury, Indika Rajapakse

a Hesaplamalı Tıp ve Biyoinformatik Bölümü, Michigan Üniversitesi, Ann Arbor, Amerika Birleşik Devletleri

b Google Research, Mountain View, CA, Amerika Birleşik Devletleri

c Matematik Bölümü, Michigan Üniversitesi, Ann Arbor, Amerika Birleşik Devletleri

Bu yazıda, plazma B hücresinin vebellek B hücresiüretim süreçleri belirli amaçları gerçekleştirmeye çalışmak olarak yorumlanabilir ve eğer öyleyse bu amaçları tam olarak ifade edebilir miyiz? İlk önce optimize edilecek ideal bir matematiksel nesneyi (öğrenilmiş bir tanımlama sisteminin beklenen hata oranını en aza indirmek gibi) belirtmenin yaygın olduğu makine öğreniminden standart fikirleri ödünç alıyoruz, ardından bu matematiksel hedefi yaklaşık olarak optimize eden buluşsal algoritmalar öneriyoruz. Benzer şekilde, evrimsel baskılar nedeniyle, AM süreçlerinin idealleştirilmiş immünolojik hedefler için yaklaşık olarak optimize eden buluşsal yöntemler gibi davrandığını varsayıyoruz. Bu evrimsel olarak uyarlanabilir immünolojik hedeflerin ne olabileceğini varsayıyoruz, ardından simülasyonlar yoluyla düşmanca mutasyona uğramış antijenlerle karşı karşıya kaldıklarında farklı B hücrelerinin bu hedefleri ne kadar iyi karşıladığını karşılaştırıyoruz. Bu bulgular bizi, bağışıklık sisteminin naif B hücrelerini olgun hale getirmek için eğitmesinin örtük hedefleri hakkında yeni hipotezler önermeye yönlendiriyor.bellek B hücreleri.

İlk olarak, Bölüm 2'de, saf B hücrelerinin plazma B hücreleri olmak üzere nasıl işe alındığını ve eğitildiğini gözden geçiriyoruz ve bu eğitimin amaçları için matematiksel olarak bir hipotez sunuyoruz. Bölüm 3'te, daha esrarengiz eğitim sürecinin matematiksel optimizasyon hedeflerini ele alıyoruz.bellek B hücreleri. Plazma B hücresi eğitimini veya plazma B hücrelerinin eğitimini, AM sırasında saf B hücrelerinden plazma B hücrelerinin üretilmesi süreci olarak tanımlarız. Benzer şekilde, bellek B hücresi eğitimi veya eğitimini tanımlarız.bellek B hücreleriAM sırasında saf B hücrelerinden bellek B hücrelerinin üretilmesi süreci olarak. Hipotezlerimizi Bölüm 4'te simülasyonlar yoluyla test ediyoruz ve Bölüm 5'te açık soruların tartışılmasıyla sonuçlandırıyoruz.

2. Plazma B hücre eğitimi

Saf B hücrelerini plazma B hücreleri olmaları için eğiten AM sürecini gözden geçiriyoruz, ardından plazma B hücresi eğitiminin optimize etmek için hangi matematiksel kriterleri geliştirmiş olabileceğini düşünüyoruz.

2.1. Plazma B hücrelerinin afinite olgunlaşması

AM, antijene sekonder lenfoid organlara bir miktar başlangıç ​​afinitesi olan saf B hücrelerinin alınmasıyla başlar. Bu saf B hücreleri, T foliküler yardımcı (TFH) hücreleri ve foliküler dendritik hücrelerle birlikte, germinal merkezler olarak bilinen geçici yapılara konsantre olur (Şekil 1A) (Meyer-Hermann ve diğerleri, 2012; Tas ve diğerleri, 2016). Germinal merkezler (GC'ler) bu hücrelerin yakınlarda olmasını sağlar, böylece B hücrelerinin reseptör dizilerinin hızlı mutasyonunu ve değerlendirilmesini kolaylaştırır. AM sırasında, B hücreleri, B hücrelerinin antijen sunumuna dayalı olarak, aralarındaki etkileşimin uzunluğu boyunca antijene afiniteleri açısından TFH hücreleri tarafından değerlendirilir (Mesin ve diğerleri, 2016; Murphy ve Weaver, 2016). Bir B hücresinin ilk afinitesi yüksekse, GC'nin ayrı bir alanına hareket etmek ve çoğalmak için TFH hücresinden kimyasal bir sinyal alır. B hücresi çoğalırken, hiperdeğişken bölge adı verilen genomun belirli bir bölümü, bir enzim, aktivasyonla indüklenen sitidin deaminaza (AID) maruz kalır (Muramatsu ve diğerleri, 2000; Bannard ve Cyster, 2017). AID, normalde DNA'da bulunmayan bir nükleotit olan urasili oluşturan sitozini deamine edebilir. Bu değişiklikleri onaran operasyon hataya açıktır ve DNA dizisinde mutasyonlara yol açar (Martin ve diğerleri, 2015).

Onarım sırasındaki deaminasyon ve mutasyon sürecine somatik hipermutasyon (SHM) denir. Proliferasyondan sonra, B hücreleri, TFH hücrelerini içeren GC alanına geri döner ve antijene karşı afiniteleri açısından yeniden değerlendirilir. Bu yinelemeli proliferasyon, mutasyon ve afinite değerlendirmesi süreci, B hücreleri antijene yeterince yüksek bir afiniteye sahip olana kadar devam eder. Bu noktada, B hücreleri plazma B hücrelerine farklılaşır ve bağışıklık sisteminin antijeni yok etmesine izin veren antikorlar üretmeye başlar.

2.2. Algoritma olarak yakınlık olgunlaşması

AM'yi deneylerimizde AM'yi simüle etmek için kullandığımız Algoritma 1'de modelliyoruz. AM ile ilgili bilinen veya belirsiz birkaç sorunu, Alt Bölüm 2.3'te ayrıntılı olarak basitleştiriyoruz.

Her saf B hücresi reseptörü dizisi, V, D, J ve C gen bölümlerinin bir kombinatoryal karışımı ve ayrıca bu bölümler arasındaki bağlantı çeşitliliği yoluyla rastgele oluşturulur (Sompayrac, 2019). Saf B hücreleri en az 100 milyon olasılığı kapsar (Sompayrac, 2019). Bir germinal merkeze alınan saf B hücreleri, antijen a'ya şimdiden bazı umut verici afinitelere sahip hücrelerdir. SHM daha sonra DNA dizisinin yaklaşık 100 baz çifti (bp) uzunluğundaki bir bölgesindeki nükleotitleri mutasyona uğratır ve bu da B hücresi reseptör yapısının tanımına katkıda bulunur (Martin ve diğerleri, 2015). Hiperdeğişken bölgedeki mutasyonlar, bu bölgenin dışındaki mutasyonlardan 106 kat daha olasıdır (Martin ve diğerleri, 2015). Mutasyonlar, fA olarak modellenen kategorik bir uzayda takaslar, eklemeler ve silmeler olabilir; T; C; G;£g100, burada £ bir silmeyi ifade eder. Muhtemel mutasyonların kombinatoryal alanı geniş olmasına rağmen, birçok spesifik mutasyonun hemen apoptoza yol açtığına dikkat edilmelidir. AM optimizasyonu, algoritmik olarak G farklı paralel işlemciler olarak düşünülebilecek G germinal merkezlerine paralelleştirilir ve dağıtılır. Aralarında biyokimyasal sinyalleşme olsa da, farklı germinal merkezleri bağımsız olarak çalışır şekilde modelliyoruz. Pratikte, bir organizma aynı anda birden fazla bağımsız antijen için eğitim alır, ancak basitlik için her seferinde bir antijeni dikkate alırız.

2.3. Algoritma 1'in bilinen basitleştirmeleri

Algoritma 1'in AM'nin bilinen birkaç özelliğini basitleştirdiğini not ediyoruz. Bu basitleştirmelerin önemsiz olduğuna ve bu çalışmanın ana sonuçlarını etkilemediğine inanıyoruz.

Algoritmayı T ayrık yinelemeler olarak modelliyoruz, ancak pratikte AM, antijen bozunması ve dış basınçlar nedeniyle kısmen zaman sınırlı olan sürekli bir süreçtir. Ancak, bildiğimiz kadarıyla, meydana gelebilecek bölünmelerin sayısı için kesin bir sınır veya AM sırasında karşılanması gereken kesin bir zaman çizelgesi yoktur. Ayrıca, bağışıklık sisteminin yeterince hızlı bir çözüm bulamaması ve konağın ölmesine neden olma ihtimali vardır. Bunun doğal sistemde gerçekleştiğinin farkında olsak da, simülasyonumuzun odak noktası bu değildir. Bu nedenle, gerçek bağışıklık sisteminin karşılaştığı zaman sınırlarının bir tahmini olarak sabit sayıda yineleme kullanıyoruz. Ek olarak, simülasyonumuzun sonunda en yüksek afiniteli B hücrelerini basitlik için plazma B hücreleri olarak belirledik, ancak plazma B hücreleri AM'nin sonunda aynı anda seçilmez ve mutlak en yüksek afiniteye sahip olmayabilir.

SHM başlamadan önce, ilk B hücresi popülasyonu yönlendirilmemiş çoğalma geçirmiş olabilir, bu da ilk rastgele numunenin rastgele B hücrelerinin kümeleri olarak daha iyi modellenebileceği anlamına gelir. Algoritma 1, germinal merkezlerin sınırsız büyümesine izin verir, ancak ölüm oranı germinal merkezlerdeki popülasyon boyutunu sınırlama eğiliminde olacaktır. Pratikte, germinal merkezlerin boyutu fiziksel hacim kısıtlamaları ve biyokimyasal kaynak kısıtlamaları ile de sınırlıdır. Sabit bir ölüm oranı kullanıyoruz. ancak afinite arttıkça ölme olasılığının azaldığına dair bazı kanıtlar vardır (Anderson ve diğerleri, 2009). Germinal merkezdeki B hücrelerinin ölüm olasılıklarını düşük afiniteli hücrelere doğru saptırarak bu davranışın basitleştirilmiş bir versiyonunu dahil ediyoruz.

T hücreleri yakındaki B hücrelerini afiniteleri için ölçer, bu nedenle belirli bir B hücresinin afinitesinin ölçülmesi olasılığı vardır ve bir B hücresinin afinitesinin ölçülme olasılığının uzamsal organizasyonun bir işlevi olduğu düşünülür (dolaylı olarak afinite) ve doğrudan afiniteden etkilenir. Belirli bir B hücresinin afinitesi ve uzamsal yakınlığı, seçilme ve çoğalmaya teşvik edilme olasılığını etkiler. TaH hücreleri ve B hücreleri arasındaki mekansal organizasyonu açıkça düşünmüyoruz. Çoğalma sinyalinin gücü genellikle B hücresinin afinitesi ile orantılıdır, öyle ki yüksek afiniteli bir B hücresinin başka bir afinite değerlendirmesi yinelemesi için geri dönmeden önce birçok kez çoğalması daha olasıdır (Mesin ve diğerleri, 2016; De Silva ve Klein, 2015). Düşük afiniteli bir B hücresi için artan ölüm olasılığına benzer şekilde, proliferasyon için B hücrelerinin seçimini daha yüksek afiniteli B hücrelerine doğru yönlendiririz.

Algoritma 1, bizim farkında olmadığımız veya henüz bilinmeyen başka şekillerde de AM'yi aşırı basitleştirebilir.

2.4. Plazma B hücreleri, sınırlı bir süre verilen antijen afinitesini optimize etmek için oluşturulur

AM, uzun süredir, SHM aracılığıyla belirli bir antijeni en iyi tanımlayan bir B hücresini bulmaya çalışan küresel bir optimizasyon algoritması olarak hareket eden bağışıklık sistemi olarak çerçevelenen bir süreçtir (Theodosopoulos ve Theodosopoulos, 2002). Yani, a'nın belirli bir antijen olduğu, b'nin tüm olası B hücrelerinin B kümesinden bir B hücresi olduğu ve s'nin, kilidin kalitesini modelleyen afinite fonksiyonu olduğu durumda, AM çözülmesi bir buluşsal yöntemmiş gibi davranır. b ve a'nın ve-anahtar fiziksel ve biyokimyasal etkileşimi. B'nin, B hücresi reseptörünü kodlayan değişken uzunluktaki DNA dizisi tarafından tanımlanan çok büyük bir kategorik boşluk olduğuna dikkat edin.

Ancak amaç (1), bir plazma B hücresinin antijenle mükemmel bir eşleşme olması gerekmediği gerçeğini kabul etmez. Aslında, yeterli bir s afinitesi var gibi görünmektedir, öyle ki, bir s afinitesine ulaşıldığında, B hücresinin bir plazma B hücresine farklılaşması için indüklenir. Ayrıca, bağışıklık sistemi, bu tür yeterince yüksek afiniteli plazma B hücrelerini olabildiğince hızlı üretmek için zaman baskısı altındadır.

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 ve verilen 多 kümesi. germinal merkezdeki ilk saf B hücrelerinin sayısı. Zaman basıncını yakalamak için, her ayrık zaman yinelemesinde germinal merkezdeki B hücrelerine olasılıksal mutasyonlar modelliyoruz. Saf bir B hücresi b E verildiğinde, M(b)∈, b'nin tek bir rastgele mutasyonu tarafından üretilen yeni bir rastgele B hücresi olsun. M*(b)= M(M(..(M(b)))..)) b'nin Krandom mutasyonlarından sonra üretilen rastgele B hücresini göstersin, böylece rastgele B hücresi M(b) olabilir. b'den başlayarak M* (b) üretebilen farklı mutasyon yollarının olasılığının toplamına bağlı olarak karşılık gelen olasılıklar ile ilk B hücresi b'nin Kmutasyonları M ile erişilebilen B hücrelerinin herhangi biri.

Daha sonra, plazma B hücresi seçim sürecinin, ortalama olarak K rasgele mutasyonların germinal merkezde antijene yeterli afinite t ile en az bir B hücresi üreteceği K∈ mutasyonlarının sayısını en aza indirecek şekilde evrimleşmiş bir buluşsal olduğunu varsayıyoruz:

burada EI.], rasgele değişkenin olasılıklarına göre ağırlıklandırılmış olası sonuçlarına ilişkin standart beklenti operatörüdür (ortalama). Bu hedef Algoritma 1 ile tutarlıdır.

Açıkça, bağışıklık sistemi, kriterleri (2) açıkça formüle eden ve ardından onu optimize etmek için bir buluşsal yöntemi tanımlayan duyarlı bir varlık değildir. Bunun yerine, daha iyi optimize eden bir plazma B hücre üretim süreci için evrimsel basınçların seçildiğini varsayıyoruz(2).

3. Hafıza B hücre eğitimi

Plazma B hücrelerine benzer şekilde, hafıza B hücreleri germinal merkezde oluşturulur, ancak bu iki hücre tipinin kendi amaçlarına ulaşmak için üretilmesinde önemli farklılıklar vardır (Mesin ve diğerleri, 2016; Weisel ve Shlomchik, 2017; Suan ve diğerleri). al, 2017). Önce bellek B hücrelerinin nasıl oluşturulduğunu gözden geçiriyoruz ve ardından plazma B hücreleri için kriterlerimize (2) benzer şekilde hangi kriterler için optimize edildiğini düşünüyoruz.

3.1.Bellek B hücrelerinin arka planı

Bellek B hücresi adı, bellek B hücresinin bir plazma B hücresinin uzun vadeli bir kopyası olduğu fikrini uyandırsa da, gerçek daha karmaşıktır. Bellek B hücreleri, plazma B hücrelerinin yaptığı gibi tüm AM sürecinden geçmez. Aslında, hafıza B hücreleri, plazma B hücrelerine kıyasla nispeten düşük afiniteleri ve düşük SHM yükü (SHM'den toplanan mutasyonların sayısı) ile karakterize edilir (Suan ve diğerleri, 2017). Bu, hafıza B hücrelerinin başlangıçta saf B hücre repertuarına göre bir antijene yüksek afiniteye sahip olmasına rağmen, plazma B hücreleri kadar AM'ye maruz kalmadıklarını ve mevcut antijene plazma B hücrelerinden daha düşük afiniteye sahip olma eğiliminde olduklarını gösterir.

BACH2 geni, germinal merkez içindeki bellek B hücrelerinin gelişiminde ve bunların nihai farklılaşmasında önemli bir rol oynar (Suan ve diğerleri, 2017: Shinnakasu ve diğerleri, 2016). BACH2, bir B hücresinin Te hücrelerinden aldığı yardımla ters orantılıdır ve sonuçta T hücreleriyle zayıf etkileşimler, BACH2 ifadesinin yüksek kalmasına izin verir. kritik,

BACH2 ekspresyonu ve Tp hücreleri arasındaki ilişki, germinal merkez içinde hücrenin hayatta kalması için T-hücrelerinden bir miktar yardıma izin verir, ancak B hücresi öncülünün, SHM yoluyla çoğalacağı ve mutasyona uğrayacağı alana girmesini engeller. Bu, germinal merkez içinde B hücrelerinin üç alt kümesine yol açar: (1) T hücreleri tarafından SHM yoluyla çoğalmak ve mutasyona uğramak üzere seçilen yüksek afiniteli B hücreleri ve sonunda plazma B hücre farklılaşmasına yol açar, (2) orta afiniteli B Tw hücreleri tarafından seçimi BACH2 tarafından tavlanan, bellek B hücrelerine yol açan hücreler (plazma B hücresi öncülerine kıyasla düşük, ortalama saf B hücresine kıyasla yüksek) ve (3) çok az yardım alan veya hiç yardım almayan düşük afiniteli B hücreleri apoptoza yol açan iki hücreden (Mesin ve diğerleri, 2020; Taylor ve diğerleri, 2015).

Bellek B hücreleri, transkripsiyonel profilleri açısından saf B hücrelerine benzer, bu da onların organizma içinde serbestçe dolaşabilmelerini ve gelecekteki antijen örneklerini izlemelerini sağlar. Bu benzerliklere rağmen, bellek B hücresinin olağanüstü uzun süre yaşamasına ve dolayısıyla gelecekte antijenleri tanımasına izin veren anti-apoptotik genlerin aşırı ekspresyonunu sergilerler (Suan ve ark.2017).

3.2. Bellek B hücreleri ne yapmak için optimize edilmiştir?

Bağışıklık sisteminin amacı, mevcut antijen a'ya en yüksek afiniteli B hücresi reseptörlerinin ezberlenmesi olsaydı, bellek B hücresi reseptör repertuarının plazma B hücreleri reseptör repertuarıyla neredeyse aynı olmasını bekleyebilirdik, ancak değildir. Alternatif olarak, AM'nin bellek B hücrelerinin daha fazla mutasyona uğramasına ihtiyaç duymadan önce sahip olduğu zamanın lüksünden faydalanması beklenebilir, böylece bellek B hücreleri antijene plazma B hücrelerinden daha yüksek afiniteye s(b, a) sahip olabilir. , daha da optimize etme (1). Bu da öyle görünmüyor. Bu seçeneklerin her ikisi de biyolojik olarak uygulanabilir olsa da, bağışıklık sistemi bellek B hücreleri oluşturmak için kökten farklı bir şey yapar: AM'de bellek B hücrelerini plazma B hücrelerinden daha erken seçer ve bu nedenle bellek B hücreleri ortalama olarak daha düşük afiniteye sahiptir s(ba) plazma B hücrelerine göre daha fazladır.

Bellek B hücrelerinin neden mevcut antijen a'ya bu kadar zayıf uyum sağladığını açıklamak için, amaç fonksiyonu için bellek B hücrelerinin buluşsal olarak optimize etmeye çalışabileceği iki hipotez öneriyoruz. İki hipotezimiz, bellek B hücrelerinin ikili rolünden kaynaklanmaktadır (Doğan ve diğerleri, 2009; Weisel ve Shlomchik, 2017). Birincisi, antijen saldırısının gelecekteki enkarnasyonlarında, bellek B hücreleri, plazma B hücrelerine farklılaşmak ve mutasyona uğramış antijeni yok etmek için olduğu gibi kullanılır. İkincisi, bellek B hücreleri, AM'nin plazma B hücrelerinin ikincil eğitimini başlatmak için kullanılır. Aslında, son kanıtlar, ikincil yanıttaki plazma B hücrelerinin büyük bir bölümünün, ilk yanıttan gelen bellek B hücreleri olduğunu ve bazı bellek B hücrelerinin, ikincil yanıt plazma B hücrelerini optimize etmek için yeni germinal merkezleri tohumlamak için kullanıldığını göstermektedir. Mesin ve diğerleri, 2020).

3.3. Mutasyona uğramış bir antijene afinite eğitimi

Bellek B hücreleri için temel sorunun, hafifletmeleri gereken antijenin gelecekteki örneğinin neredeyse kesinlikle orijinal antijen a'nın bir mutasyonu olduğunu öneriyoruz. Bellek B hücreleri oluşturulduğunda, gelecekteki mutasyona uğramış antijen a bilinmemektedir, ancak onu rastgele mutasyona uğramış bir antijen A olarak nitelendirebiliriz. Bu yazıda, büyük harfin rastgele bir değişkeni gösterdiği standart olasılık gösterimini kullanıyoruz ve karşılık gelen küçük harf, bu rastgele değişkenin gerçekleştirildiğini gösterir. Örneğin, altı kenarlı bir zar atarsanız, rastgele değer Xe {1,2..6} siz bakmadan önce zarın yuvarlanmasına atıfta bulunur çünkü o noktada yalnızca altı değerinin olasılığını bilirsiniz, ancak bir kez kalıp rulosunu görüyorsunuz, bu deterministik bir değerdir xE {1,2....,6}.

A, mevcut antijen a'ya bağlı olan bazı koşullu olasılık dağılımından seçilen rastgele bir antijen olsun ve a'ya olası gelecekteki olası mutasyonların olasılığını ve böyle bir mutasyonun yaşam süresi içinde konakçı organizmaya sunulma olasılığını modellesin. a'ya bağışıklık tepkisi sırasında seçilen bellek B hücreleri. İkincil bir yanıt için yalnızca tek bir bellek B hücresi gerekli olsaydı, (1)'in mantıksal bir genellemesi, ortalama olarak rastgele mutasyona uğramış antijen A'ya yüksek afiniteye sahip olacak bir bellek B hücresi seçmek olurdu.

Antijen a'nın tüm mutasyonları eşit derecede olasıysa ve afinite skoru s güzel bir lineer fonksiyonsa, (3)'ün çözümü (1) ile aynı olabilir. Ancak, farklı antijen mutasyonlarının olasılığında önemli bir asimetri olmasını bekliyoruz, bu nedenle (3)'ün çözümünün (1)'in çözümünden farklı olmasını bekliyoruz. Bu, Wayne Gretzky'nin hokey hakkındaki ünlü sözündekiyle aynı prensiptir, pakın olduğu yere değil, olacağı yere doğru paten kayarım.

Şekil 2, (4)'teki kriteri gösterir ve bellek B hücrelerindeki çeşitliliğin orijinal antijen a'nın olası mutasyonlarının alanını kapatmaya yardımcı olduğunu gösterir. (4) kriteri sabit bir N seçimini varsayar, ancak (4) N için de optimize edebilseydiniz, o zaman her zaman daha fazla sayıda N bellek B hücresini tercih edersiniz. Bununla birlikte, bu hücreleri depolamak ve sürdürmek için gereken fiziksel kaynaklar ve antijen bozunmadan önceki zaman baskısı nedeniyle N üzerinde aşağı yönlü bir baskı da vardır. Tekrar vurguluyoruz ki, evrimsel baskılar yerine hafıza B hücrelerinin kendilerini optimize etmeye çalıştıklarını (4), optimize eden hafıza B hücre üretim süreçlerini tercih edecekleri hipotezini yapmıyoruz(4).

3.4. Mutasyona uğramış bir antijen için sıcak başlangıç ​​eğitimi için optimizasyon

Bellek B hücrelerinin doğrudan optimize edildiğini önermek istemiyoruz(5), bunun yerine evrimsel baskıların daha iyi optimize eden bellek B hücresi seçim süreçlerini tercih etmiş olabileceğini söylemek istiyoruz (5). Hedef (4) ve hedef (5), antijen ve B hücrelerinin farklı mutasyonlarının olasılığına bağlı olarak muhtemelen farklı optimal çözümlere sahip olacaktır, ancak aynı buluşsal bellek B hücresi seçim süreci her iki hedefte de oldukça iyi sonuç verebilir. Bellek B hücrelerinin germinal merkezlerde ikincil yanıt plazma B hücre eğitimi için ne kadar önemli olduğu henüz bilinmiyor, ancak bazı kanıtlar ikincil yanıt germinal merkezlerinin beklendiğinden daha fazla naif B hücrelerinden oluştuğunu gösteriyor (Mesin ve ark., 2020). ).

3.5. Bellek B hücreleri neden plazma B hücrelerinin kopyaları değil?

Hem (4) hem de (5), antijenin maruz kalabileceği farklı mutasyonların PA~ olasılık dağılımı ve K mutasyonlarından sonra mutasyona uğramış bir B hücresinin olasılık dağılımı PMK dbÞ hakkında bilgi gerektiriyor gibi görünmektedir. Bununla birlikte, birçok simetrik PA~ ve PMK ðbÞ seçeneği için, kesin dağılımlar çok önemli olmayabilir: bağışıklık sistemi, bellek B hücrelerini plazmanın kopyalarını yaparak ucuza (4) ve (5) için iyi bir yaklaşık çözüm elde edebilir. B hücreleri; kesin replikasyonu engelleyen herhangi bir biyokimyasal kısıtlama yok gibi görünmektedir. Bununla birlikte, bellek B hücreleri, aslında, plazma B hücrelerinden farklı şekilde seçilmiş gibi görünmektedir. Nedenine dair iki hipotez sunuyoruz.

İlk hipotezimiz Bölüm 3.3 ve Şekil 2'de zaten tanıtılmıştı: bağışıklık sistemi (4)'te bir dizi bellek B hücresi seçtiğinden, bellek B hücrelerinde, plazmayı kopyalayarak elde edilenden daha fazla çeşitliliğe sahip olmak işe yarar. B hücreleri. Plazma B hücreleri daha az çeşitli olma eğilimindedir çünkü optimize etmek için eğitilirler (1), ki bu, sðb şeklindeki çoklu yerel minimumlarla bile; aÞ onların çeşitliliğini sınırlayacaktır. Bellek B hücreleri, olgunlaşma sürecinde daha erken seçildikleri için plazma B hücrelerinden daha çeşitlidir. Mutasyona uğramış antijene afiniteyi (5)'e göre optimize etmek için bu çeşitliliğin önemli olduğuna inanıyoruz çünkü gerçek afinite fonksiyonu s, bir B hücresi b ve antijen a'nın amino asit dizilerinin, karmaşık biyokimyasal özelliklerden ve fiziksel özelliklerden kaynaklanan oldukça doğrusal olmayan bir fonksiyonudur. kilit ve anahtar yapıları (Carneiro ve Stewart, 1994; Kilambi ve Gray, 2017; Ambrosetti ve diğerleri, 2020)

İkinci hipotezimiz, ikincil germinal merkezler için sıcak başlangıç ​​hedefinin (5), plazma B hücre setinin bir kopyası tarafından iyi optimize edilmediğidir, çünkü SHM'deki B hücrelerinin rastgele mutasyonlarının PMjb olasılıklarının olduğuna dair kanıt vardır. asimetrik: B hücrelerinin belirli mutasyonları diğerlerinden çok daha olasıdır. Bu, bazı B hücrelerini, yeni antijene uyum sağlamak için mutasyona uğramada sorun yaşayabilen orijinal plazma B hücrelerine göre sıcak başlangıç ​​için daha esnek bir başlangıç ​​noktası yapar. Asimetrik PMjb için kanıt, birçok araştırmacının belirli motiflerin AID tercihli hedeflemesine dikkat çekmesidir (Martin ve diğerleri, 2015; Stavnezer, 2011; Chen ve MacCarthy, 2017; Keim ve diğerleri, 2013). Mutasyonlar tanım gereği AID'nin hedeflediği spesifik diziyi değiştireceğinden, bu lokasyonun ilk mutasyonunun gelecektekilerden daha kolay olduğu sonucunu çıkarmak mantıklıdır. Sıra bir kez değiştirildiğinde, AID'nin bu konumu hedeflemesi daha az olasıdır. Genel olarak, AID'nin tercihli hedeflemesi, bu bölgenin daha fazla mutasyona uğramasını veya orijinal diziye geri dönmesini zorlaştıracaktır.

AM sırasında mutasyonlar yoluyla tüm B hücrelerinin alanı etrafında hareket etme olasılığındaki bu asimetri, plazma B hücresi hedefi (1) ile 5'e göre gelecekteki plazma B hücresi eğitimine iyi bir sıcak başlangıç ​​çözümü olma hedefi arasında bir kopukluk yaratır. ). Spesifik olarak, bir plazma B hücresi, mevcut antijen a için optimize etmek (1) için birçok tersine çevrilmesi zor mutasyonlar yapmış olabilir. Buna karşılık, seçilen bellek B hücreleri, mevcut antijen a'yı uydurmak için yetersiz optimize edilmiş gibi görünmektedir, ancak gelecekteki rastgele antijen A~'ye daha iyi uyması için ikincil bir yanıt AM'de daha kolay mutasyona uğrayabileceklerini varsayıyoruz. Genel olarak, (1), (4) ve (5) hedeflerinin ne kadar iyi hizalandığının PA~ simetrisine bağlı olduğuna dikkat çekiyoruz; PMjb ve s'nin doğrusal olmama durumu.

4. Simülasyonlar

Plazma B hücrelerinin ve bellek B hücrelerinin nasıl eğitildiğini modellemek için AM algoritmasını (Algoritma 1) kullanıyoruz ve iki simülasyon aracılığıyla, benzetilmiş bellek B hücrelerinin, varsayılan hedeflerimizi optimize etmede benzetilmiş plazma B hücrelerinden daha iyi olduğunu gösteriyoruz (4) ve ( 5) böylece bu amaçların biyolojik olarak makul olduğuna dair kanıt sağlar. İlk önce simüle edilmiş birincil bağışıklık tepkilerinde afinite olgunlaşmasının mekaniğini gösteriyoruz, ardından simüle edilmiş ikincil bağışıklık tepkileri için farklı potansiyel başlangıç ​​koşullarını karşılaştırıyoruz.

Bu simülasyonlar, viral bir mutasyonun virüsün işlevselliğine zarar vermemesi gerektiği gibi gerçek dünyadaki tüm sorunları ve 2.3'te açıklanan sorunları hesaba katmaz. Bu sınırlamalara rağmen, bu simülasyonların, varsayımsal hedeflerimizin plazma ve bellek B hücre eğitimindeki farkla tutarlı olduğunu göstermek için gereken birçok önemli konuyu yakaladığını iddia ediyoruz. Simülasyonlarımız için eksiksiz kod istek üzerine sağlanacaktır.

4.1. Simülasyon kurulumu

Simülasyonlarımız, AM süreci için Algoritma 1'i takip eder. Rastgele bir 10-50 amino asit dizisiyle temsil edilen B hücresi reseptörlerine sahip saf bir B hücresi repertuarını (10,000 hücre) başlatırız, burada her amino asit 61 non-uzay üzerinde düzgün bir şekilde çizilir. -stop kodonları (amino asitler üzerinde düzgün olmayan bir dağılım oluşturma). Antijenleri tavuk ovalbümin, sığır sütü ve buğdayın bilinen antijenik dizilerinden türetilen diziler olarak simüle ediyoruz (Honma ve diğerleri 1996; Liu ve Sathe, 2018). Her antijenik dizi, tutarlılık için 17 amino asit uzunluğundadır. BIOSUM50 matrisini kullanarak iki dizi arasındaki optimal hizalamayı bulan ve iki dizinin bu hizalamada ne kadar benzer olduğunu yansıtan bir puan döndüren standart yerel hizalama MATLAB işlevini kullanarak bir B hücresi ve antijen arasındaki afinite metriklerini simüle ederiz, Henilkoff ve Henikoff, 1992. Bu skoru, basitlik için B hücresi reseptörü ve antijen arasındaki afinite ölçüsü olarak kullanıyoruz, ancak bunun sadece B hücresi reseptörü ve bir antifon arasındaki daha karmaşık yapısal uyumluluğun kaba bir tahmini olduğuna dikkat edin.

AM sırasında B hücresinin mutasyonları, B hücresi reseptörünün kodonlarının 61 kodon olasılığından biri ile değiştirildiği kodon uzayında modellenir. SHM, B hücrelerini tek bir nükleotid seviyesinde mutasyona uğratırken, kodon alanında çalışmak, anlamsız B hücresi reseptör dizilerini filtrelemenin ek komplikasyonunu önler. Kodonların değiştirilmesine ek olarak, B hücresi reseptör dizilerindeki kodonlar eklenebilir veya silinebilir. İnsanlarda gözlemlenen her bir mutasyon tipinin oranlarına bağlı olarak, eklemeler ve silmeler, başka bir kodonla takas etmekten daha az olasıdır (Gibbs ve diğerleri, 2003; 1000 Genomes Project Consortium ve diğerleri, 2015; Zia ve Moses, 2011). Her B hücresi reseptörünü tanımlayan kodonlar rastgele mutasyona uğramak üzere seçilir, ancak C sitozinleri içeren kodonları mutasyona uğrama olasılığı sitozinsiz kodonlardan 1 kat daha fazla olacak şekilde simüle ederiz, bu da nükleotit dizi motiflerine biyolojik önyargıları yansıtır (Martin ve ark. , 2015; Stavnezer, 2011; Chen ve MacCarthy, 2017; Keim ve diğerleri, 2013). Ayrıca, BLOSUM50 matrisinden türetilen bir değişebilirlik matrisine dayalı olarak bazı takasları diğerlerinden daha olası kılarak kodonlar arasında bir geçiş önyargısı uygularız (Henikoff ve Henikoff, 1992; Veerassamy ve diğerleri, 2003).

Bir antijene karşı birincil adaptif immün yanıtın ilk simülasyonumuz için (birincil yanıt), B hücresi repertuarından rastgele 50 saf B hücresi seçiyoruz, 000, 000 ilk 10'dan 000 Söz konusu antijene afinite açısından B hücresi repertuarı. Bu, TFH hücreleri tarafından germinal merkezlere bir miktar kısmi afinite ile saf B hücrelerinin alımını yansıtır (Mesin ve diğerleri, 2016; Tas ve diğerleri, 2016). Bu 50 "kurucu" B hücresi daha sonra, germinal merkez oluşumunun büyüme periyodunu yansıtan 1,000 hücreden oluşan bir germinal merkez popülasyonu oluşturmak için 20 kez çoğaltılır (Amitai ve diğerleri, 2017). Simülasyonun her yinelemesi için, çoğalma için 50 B hücresi ve çıkarma için 50 B hücresi seçilir. Daha yüksek afiniteli B hücreleri, çoğalma için daha yüksek bir seçim olasılığına sahipken, düşük afiniteli B hücreleri, çıkarma için daha yüksek bir seçim olasılığına sahiptir. Çoğalma için seçilen B hücreleri çoğaltılır ve mutasyona uğratılır, bu yineleme sırasında seçilen tüm B hücreleri değiştirilir. Bu işlem, düşük afiniteli B hücrelerinin TFH hücre yardımı eksikliğinden apoptozunu ve TFH hücreleri tarafından seçildikten sonra yüksek afiniteli B hücrelerinin çoğalmasını taklit eder. Bu mutasyonların B hücre reseptörlerinin afinitesini artırma, azaltma veya etkileme olasılığı vardır. Ayrıca, zararlı veya potansiyel olarak tehlikeli mutasyonlar nedeniyle negatif bir seçim sürecini simüle ederek belirli bir yinelemede hangi mutasyonların meydana gelebileceği konusunda kısıtlamalar getiriyoruz. Tüm bu süreç 100'den fazla yinelemeyi tekrar eder.

Simülasyon 1 ve 2'nin her ikisinin de temeli olarak, birincil yanıt simülasyonumuzun ilk yarısında simüle edilmiş bellek B hücreleri olarak 50 hücre çıkarıyoruz. Hücreler, germinal merkez B hücrelerinin ilk yüzde 25'lik diliminden rastgele seçilir. Plazma B hücrelerini temsil etmek için birincil yanıtın en sonunda başka bir 50 hücre seçilir, burada bu hücreler antijene karşı en yüksek 50 afinite skorunu sergiler. Bu, eşiği önceden bilmediğimiz için Algoritma 1'den hafif bir sapmayı yansıtır. Birincil yanıtın sonunda seçilen plazma hücrelerinin afinitesine dayalı olarak ikincil yanıt için t'yi kurarız. Beklendiği gibi, simüle edilmiş hafıza B hücreleri, plazma B hücrelerine kıyasla antijene genel olarak daha düşük bir afiniteye sahiptir, ancak ilk saf B hücreleri grubundan daha yüksektir.

İkincil yanıt için antijenin simüle edilmiş mutasyonlarımız, kodonlardan herhangi birinin bir başkası (muhtemelen kendisi de dahil olmak üzere, yani bir no-op) için muntazam bir rastgele değiş tokuşundan türetilir, bu da amino asitler üzerinde muntazam olmayan bir dağılım yaratır. bazı amino asitler çoklu kodonlar tarafından kodlanır. Antijenin mutasyonları, herhangi bir kodona eşit olasılıkla kodonların eklenmesini veya silinmesini de içerebilir.

4.2. Simülasyon 1: Mutasyona uğramış bir antijene afinite

İkincil bir enfeksiyon, mutasyona uğramış bir antijeni veya ilgili bir patojene benzer bir antijeni içerebilir. Antijen dizimizde karşıt mutasyonlara neden olarak antijendeki değişiklikleri birincil enfeksiyondan ikincil enfeksiyona benzetiyoruz. İlk olarak, antijen a dizisinin 1,000 tekdüze rastgele mutasyonlarını üretiyoruz. Rastgele mutasyonlar, herhangi bir amino asidin diğerine takası, herhangi bir amino asidin eklenmesi veya amino asidin silinmesi olabilir. Bu aday mutasyonlardan, potansiyel olarak tehlikeli bir ikincil enfeksiyonun daha zorlu bir mutasyondan kaynaklanacağını yansıtmak için, birincil yanıttan 50 plazma B hücresi kümesine en düşük ortalama afiniteye (en kötü durum) sahip olanı tutuyoruz. K mutasyonlu bir antijen üretmek için bu rastgele işlemi toplam K kez tekrarlıyoruz. Bu düşman antijeni, P'nin en kötü gerçekleşmesi olarak alıyoruz; aday mutasyonlardan elde edilir.

Daha sonra, varsayımsal hedef (4) ile farklı B hücre popülasyonlarını test ederiz. Şekil 3, K=1... Birincil yanıtın sonunda farklı hücre popülasyonları için 10, 100'ün üzerinde bağımsız çalışmanın ortalaması alınmıştır (Honma ve diğerleri, 1996; Liu ve Sathe, 2018). Şekil 3, simüle edilmiş plazma B hücrelerimizin, az sayıda rakip mutasyon için maksimize etmek(4) için en iyi seçim olduğunu gösterir, simüle edilmiş hafıza B hücrelerimiz ~2-6 mutasyonlar arasında en iyi seçimdir ve saf B hücreleri en iyisidir birçok mutasyondan sonra (7 artı). Simülasyonlarımız, belirli geçiş noktalarının anlamlı olması için fazla basitleştirildi, ancak plazma B hücrelerinin büyük ölçüde mutasyona uğramış antijenleri tanımlamak için muhtemelen optimal olmadığına dair güçlü kanıtlar sağladıklarını iddia ediyoruz. Bu ayrıca, mutasyon alanında bellek B hücrelerinin, ikincil bir yanıt için bir başlangıç ​​koşulu olarak plazma B hücrelerinden veya saf B hücrelerinden daha yararlı olduğu bir bölge olduğunu düşündürebilir.

Plazma B hücrelerinin mutasyona uğramış antijenlere her zaman en yüksek afiniteye sahip olmadığı gerçeğinin, bellek B hücrelerinin ve saf B hücrelerinin daha fazla çeşitliliği tarafından yönlendirildiğini varsayıyoruz. Mutasyonlar DNA uzayında meydana gelirken, ilgili çeşitlilik, antijene afiniteyi tanımlayan, sonuçta ortaya çıkan lineer olmayan fiziksel ve biyokimyasal uzaydadır. Her kümedeki ikili BLOSUM benzerlikleri kullanılarak her popülasyondaki B hücresi çeşitliliğinin yaklaşık olarak ölçülmesi, önemli çeşitlilik farklılıkları gösterir; plazma B hücreleri, 46'lık bir ortalama küme içi BLOSUM benzerliğine sahiptir, bellek B hücreleri, küme içi çok daha düşük bir ortalamaya sahiptir. ~27 BLOSUM benzerliği ve set içi BLOSUM benzerliği ~9 daha da düşük olan saf B hücreleri (temsili bir birincil yanıttan).

4.3. Simülasyon 2: İkincil yanıt plazma B hücre eğitimi için gerekli mutasyonlar

Bu simülasyonda, üç tip B hücresinin ikincil yanıt germinal merkezi için tohum olarak ne kadar iyi performans gösterdiğini karşılaştırıyoruz. Mutasyona uğramış bir antijene yüksek afinite için optimize edilmiş yeni bir plazma B hücresi setinin ikincil tepki eğitimini taklit ediyoruz (Simülasyon 1'de açıklanmıştır). İkincil yanıt plazma B hücresi optimizasyonunu üç seçenekten biriyle başlatırız:(i)orijinal antijen a'nın birincil sorumluluğunda üretilen N=50 plazma B hücreleri,(ii)N=50 hafıza Orijinal antijen a için birincil sorumlulukta üretilen B hücreleri veya (i)N=50 saf B hücreleri. Yeni kurucu hücrelerimiz olarak üç set 50 B hücresini kullanarak, germinal merkezi birincil yanıtla aynı şekilde doldururuz. Birincil yanıtta olduğu gibi, saf B hücreleri rastgeledir, ancak germinal merkeze alımı simüle etmek için şimdi mutasyona uğramış antijene bir miktar başlangıç ​​afinitesine sahip olacak şekilde seçilir. Bu üç ikincil yanıt germinal merkezinin her biri, birincil yanıtla aynı şekilde AM'ye maruz kalır.

Şekil 4, sığır sütü antijeni üzerindeki aynı birincil yanıt ve aynı K=1.....10 mutasyonları verilen çoklu ikincil yanıt simülasyonlarının temsili örnekleridir(Liu ve Sathe,2018) . Spesifik olarak, ikincil tepkilerde 100 iterasyon üzerinden yüzde 0.05 en yüksek afiniteli hücrelerin ortalama afinitesini gösterir. Şekil 4, sadece bir veya iki antijen mutasyonu için plazma B hücrelerinin mutasyona uğramış antijene en yüksek başlangıç ​​afinitesine sahip olma eğiliminde olduğunu vurgular. Üç veya daha fazla düşman mutasyonu için, saf ve bellek B hücreleri, ikincil yanıt için birincil yanıt plazma B hücrelerine göre daha iyi başlangıç ​​koşullarıdır ve daha az yinelemede t afinitesine ulaşır (Şekil 4 ve 5). işe alınan ikincil tepki saf B hücrelerinin, antijen yeterince mutasyona uğradığında, birincil tepki plazma B hücresinden veya bellek B hücrelerinden mutasyona uğramış antijene daha yüksek bir başlangıç ​​afinitesine sahip olma eğilimi. Bu bekleniyordu, ancak ikincil yanıtın ilk yinelemesinde saf B hücrelerinin en yüksek afiniteye sahip olması için ne kadar az mutasyon gerektirdiğine şaşırdık. Yani. yeni antijende nispeten az sayıda kodon mutasyonu için, saf repertuardan birincil olarak B hücreleri ile ikincil bir yanıt tohumlamanın avantajlı bir strateji olduğuna dair ampirik kanıtlar buluyoruz. Birincil yanıttan gelen bellek B hücrelerinin, muhtemelen simüle edilmiş ikincil yanıtlar arasındaki önemli farklılıklar nedeniyle, ikincil yanıtın ilk yinelemesinde tutarlı bir şekilde en yüksek afiniteye sahip olduğu mutasyon uzayında bir bölgeyi simüle edemedik.

Benzer şekilde, Şekil 5, plazma, bellek ve saf B hücrelerinin üç antijenin tümü için toplam ikincil yanıt simülasyonlarına ulaşmak için ortalama yineleme sayısını gösterir. t eşiğine ulaşılan yineleme sayısının, her bir antijen için birincil sorumluluğun 50 bağımsız simülasyonu için tüm ikincil yanıt simülasyonları üzerinden ortalaması alınır. Yine simülasyonlarımız, bellek B hücrelerinin sürekli olarak en iyi sıcak başlangıç ​​koşulları olduğu bir mutasyon alanı bölgesi göstermedi. Bunun simülasyonumuzun çeşitli iyileştirmelerinde devam ettiğini gördük, bu bulgunun çok kaba bir simülasyonun eseri olmayabileceğini öne sürdük. Bunun, mutasyona uğramış antijene (birincil yanıt simülasyonunda açıklandığı gibi) bir miktar başlangıç ​​afinitesine sahip olmak üzere önyargılı olan ikincil germinal merkez için saf B hücrelerinin seçilmesinden kaynaklandığını varsayıyoruz. Yani, Şekil 4'teki saf B hücreleri a'ya ilk afinite için seçilirken, saf B hücrelerinden türetilen bellek ve plazma B hücreleri, orijinal antijen a'ya bir miktar başlangıç ​​afinitesine sahip olacak şekilde seçilir (Şekil 3). Başlangıçta, saf hücrelerin seçimi için afinite önyargımızın çok güçlü olduğundan şüphelendik, ancak hem naif hem de hafıza B hücreleri, yeni plazma B hücreleri oluşturma şansının en yüksek olması için gerçek ikincil germinal merkezlerde aynı anda toplanır. Aslında, son deneysel kanıtlar, ikincil yanıt germinal merkezlerinin daha önce düşünülenden daha saf B hücrelerinden oluştuğunu göstermektedir (Mesin ve diğerleri, 2020). Ayrıca bellek B hücrelerinin sıcak başlatma için saf B hücrelerinden gerçekten daha etkili olduğu bir antijen mutasyon rejiminin olması da mümkündür, ancak simülasyonlarımız onu yakalayacak kadar gerçekçi değildi.

İkincil tepki simülasyonlarının, karşılık gelen birincil simülasyonlarından yakınlık eşiğine t ulaşmak için genellikle 100'den fazla yineleme aldığını not ediyoruz. Fg.5'te t'ye ulaşmak için ortalama yineleme sayısını hesaplarken, bu durumları maksimum yineleme sayısı 100'e ayarladık. Bu fenomenin meydana geldiğini varsayıyoruz çünkü d'nin ters mutasyonları simüle edilmiş germinal merkez için daha zor bir problem yaratabilir. çözmek için. Yani, mutasyonlar, antijenin kendi hayatta kalma hedeflerinin bir sonucu olarak mutasyon olasılık uzayındaki potansiyel zayıf alanlara özel olarak eğilimli olabilir.

5. Sonuçlar ve açık sorular

Bellek B hücrelerinin ikili rolünün iki amaç(4) ve (5) tarafından yakalanabileceğini ve bu amaçların, (1) için eğitilmiş plazma B hücrelerinin kopyalanmasıyla o kadar iyi optimize edilemeyeceğini varsaydık. orijinal antijene aşırı uydurma. Simülasyonlarımız sınırlı olmakla birlikte, antijen yeterli ters mutasyona uğradığında plazma B hücrelerinin optimize(4) veya(5) olmayacağına dair güçlü kanıtlar sağlar. Plazma B hücrelerinin mutasyona uğramış antijenlere karşı bu alt optimalliğinin, bellek B hücreleri için kullanılan farklı seçim mekanizmaları için bir rol sağladığına inanıyoruz.

Simülasyonlarımız, simüle edilmiş hafıza B hücrelerimizin optimal olabileceği sınırlı bir antijen mutasyonları aralığı göstermektedir; önemli mutasyonlar için, rastgele saf B hücrelerinin daha da iyi çalışabileceğini gösteriyoruz. Biyolojik olarak, bu sonuç, saf B hücrelerinin ikincil germinal merkezlerdeki B hücrelerinin büyük çoğunluğunu oluşturduğu ikincil adaptif bağışıklık tepkileri hakkındaki son bulgularla desteklenmektedir (Mesin ve diğerleri, 2020). Bunun yerine, hafıza B hücreleri, daha fazla somatik hipermutasyona uğramak yerine, doğrudan plazma B hücrelerine farklılaşmak için kullanılır (Mesin ve diğerleri, 2020). Plazma B hücreleri tek seferlik bir çözümdür ve ilgili mevcut antijene oldukça uygundur. Bellek B hücreleri, benzer özelliklere sahip gelecekteki antijenleri tanımak için vücutta tutulan mevcut antijene daha yaklaşık bir çözüm sağlar. Gelecekteki bir antijen, bağışıklık sisteminin daha önce karşılaştığından çok farklıysa, hiçbir bellek B hücresi onu tanımlayamazsa, saf B hücreleri kullanılarak sıfırdan yeni bir çözüm oluşturulur.

Bellek B hücreleri, hem plazma B hücrelerine farklılaşarak hem de germinal merkezleri yeniden başlatarak iki rol oynar, ancak bu roller farklı alt popülasyonlar tarafından oynanabilir (Doğan ve diğerleri.2009; Weisel ve Shlomchik, 2017). Bellek B hücrelerinin bu farklı alt popülasyonları, farklı AM süreçlerinden veya AM sürecindeki, Algoritma 1'de açıkça modellemediğimiz değişikliklerden kaynaklanmış olabilir (Weisel ve diğerleri, 2016). Bu nedenle (4) ve (5)'teki iki bellek B hücresi hedefimiz bağımsız bellek B hücresi popülasyonlarına uygulanabilir. Burada, bellek B hücrelerinin birleşik bir grup olarak kabul edildiği basitleştirilmiş bir modeli araştırdık. Bununla birlikte, simülasyonlar yoluyla, bellek B hücrelerinin ikincil germinal yanıtı yeniden başlatmak için ikincil saf B hücrelerinden açıkça daha iyi olduğu bir rejimi gösteremedik. Sonuçlarımız, bu yeniden başlatma görevinin bellek B hücrelerinin daha zayıf veya daha nadir bir rolü olabileceğini gösteriyor. Bu sonuçlar, benzer şekilde belirtilen hafıza B hücrelerinin ikincil germinal merkezlerde daha önce varsayıldığından daha az yaygın olduğuna dair son deneysel kanıtlarla uyumludur (Mesin ve diğerleri, 2020). Bununla birlikte, ikincil yanıt için bellek B hücrelerine her zaman ihtiyaç duyulmasa bile, bazı durumlarda sıcak başlangıç ​​için çok önemli olabilirler, bu da onların seçim süreci üzerinde evrimsel baskı uygulayabilir. Doğada bellek B hücresi seçimi üzerindeki evrimsel baskılar bilinmemekle birlikte, hesaplama simülasyonları ve biyolojik deneylerin entegrasyonu yoluyla açıklanabilir. Afinite olgunlaşması sırasında B hücrelerinin afinitesinin aktif olarak izlenmesi ve ayrıca GC B hücrelerinin ne zaman ve neden bellek B hücreleri haline geldiğinin saptanması, gelecekte daha doğru ve karmaşık modellerin geliştirilmesine yardımcı olabilir.