TCR-seq为什么备受关注？对生物学研究的价值又有哪些？

TCR-seq常用于评价各种免疫相关疾病和遗传性突变引起的某个物种所有T细胞或特定T细胞激活介导的细胞免疫反应中TCR基因重排碱基序列，以及各序列的丰度，用于研究不同T细胞克隆的转录情况和相互间关系，从而揭示更深层次的T细胞功能特异性，继而解释免疫应答机制、免疫耐受原因，免疫调节形式等相关生命现象。在本期推送中，简要介绍T细胞受体 (TCR) 测序对生物学研究的价值。

为什么定义“免疫突触”如此重要？生活中，事物的真正价值往往可以在它的缺失中体现。生物学中亦如此。想象一下，T细胞抗原识别错误会发生哪些可怕的事？

可想而知，T细胞抗原识别错误，免疫将不复存在。当传染原进入我们的身体或清除携带病毒的细胞时，身体将无法识别它们。以前接触过的抗原由于不会形成免疫记忆，因此疫苗接种工作也将成为徒劳。开创性的癌症免疫治疗方法也成为了无稽之谈。我们自身的细胞将面临自身免疫攻击的风险……

“泡泡男孩”维特尔，出生就没有免疫力，在塑料膜里隔离12年。--图片来源：Baylor College of Medicine  

如此看来，T细胞受体(TCR) 抗原特异性识别对于保持我们健康的免疫反应机制至关重要。这使得在“免疫突触”（即TCR与抗原呈递细胞上的肽-主要组织相容性复合物 (pMHC) 之间的分子接合点）能够产生特异性、有效地识别抗原，这是适应性免疫反应的关键[1]。

T细胞依靠它们的表面受体来识别和结合外来和疾病相关的抗原（以肽分子的形式），由固有免疫细胞，如树突状细胞或其他抗原呈递细胞(APCs)提供。--图片来源：Leemet al., Nucleic Acids Res. (2018), 46, D406-D412.

由于这些原因，科学家们急于对漫游于免疫系统中的抗原特异性T细胞受体 (TCR) 进行分类。新技术和数据分析平台的出现加快了人们在该领域的研究步伐。VDJdb数据库是记录TCR序列及其同源抗原的在线资源库，近年来其规模不断扩大，但依旧需要产生更多记录才能使人们真正深入了解免疫系统的巨大多样性，包括将独特的抗原表位与已知的特定TCR进行分类。

寻找抗原特异性

2019年，一个利用10x Genomics单细胞免疫分析技术的数据集被分享到VDJdb数据库中，在记录中添加了40个独特的表位，“比迄今为止产生的任何其他高通量数据集都多”[2]。这就引出了一个问题：是什么让高通量单细胞测序成为准确预测TCR特异性的有效解决方案？什么可以改进这种方法以获得更好的结果？

单细胞测序方法克服的第一个障碍就是能够以与TCR库的巨大多样性相匹配的效率和规模提供TCR序列及其同源抗原的读数——估计在人类体内可能有1015到1061个受体[3]。10x Genomics的单细胞免疫分析利用带有特殊寡核苷酸（特征条码技术）标记的pMHC多聚体来探索抗原特异性。当与单细胞TCR测序相结合时，能够同时捕获配对的T细胞αβ链序列和肽-MHC多聚体，以高分辨率查看该结合相互作用，并且可以通过基因表达分析相关T细胞身份和功能的信息。

免疫细胞图像显示可通过单细胞测序技术获得的分析物，包括用于鉴定抗原特异性和全转录组基因表达的多聚体  

许多科学家也在寻找生物信息学解决方案以减少TCR抗原特异性数据中的这种差距。也就是说，该方法依赖于TCR-pMHC结合数据和已知的TCR序列特征来预测抗原特异性，然而由于大型数据集通常具有很多复杂性和非特异性背景噪声，因此难以准确验证TCR-pMHC特异性识别[3]。Zhang等人描述了一种名为ICON (IntegrativeCOntext-specific Normalization) 的数据标准化方法，该方法通过消除背景噪声从10xGenomics pMHC结合数据集中识别可靠的TCR-pMHC相互作用。通过评估取自四名健康供体并在44个dextramers中测试的CD8+T细胞的结合谱，他们将15,821个已测序的T细胞中的89%与成对的αβ链连接到其抗原靶标[3]。

Zhang等人还探索了使用神经网络从TCR序列预测抗原特异性，并开发了一个模型，该模型可以接收V(D)J基因和TCR的可变互补决定区 (CDR) 作为输入。Montemurro等人也在积极探索类似的计算方法，其团队认为准确预测模型的开发取决于成对的α/β TCR序列数据，仅包含一条链信息的数据质量低于具有配对CDR的数据。这一观点也反映在他们的结果中，从配对TCR数据构建的模型与仅使用CDR3β信息的数据构建的类似模型相比，表现出更高的性能[4]。他们的结果支持这样一种观点，即两条TCR链都有助于TCR抗原特异性，并且可能对与pMHC的结合相互作用具有不同的相对重要性。值得一提的是，这要求单细胞测序平台提供对两条链的访问，这也是未来发现准确的TCR抗原特异性相互作用的重要因素。

参考文献：

[1] Cano LE and Lopera DE.Introduction to T and B lymphocytes. Autoimmunity: From Bench to Bedside[Internet]. Bogota (Colombia): El Rosario University Press (2013).

[2] Bagaev D, et al. VDJdb in 2019:database extension, new analysis infrastructure and a T-cell receptor motifcompendium. Nucleic Acids Res 48: D1057–D1062 (2020). doi: 10.1093/nar/gkz874

[3] Zhang W, et al. A framework forhighly multiplexed dextramer mapping and prediction of T cell receptorsequences to antigen specificity. Sci Adv 7: eabf5835 (2021). doi:10.1126/sciadv.abf5835

[4] Montemurro A, et al. NetTCR-2.0enables accurate prediction of TCR-peptide binding by using paired TCRα and βsequence data. Commun Biol 4: 1060 (2021). doi: 10.1038/s42003-021-02610-3