TCR-seq常用于評價各種免疫相關疾病和遺傳性突變引起的某個物種所有T細胞或特定T細胞激活介導的細胞免疫反應中TCR基因重排堿基序列，以及各序列的豐度，用于研究不同T細胞克隆的轉錄情況和相互間關系，從而揭示更深層次的T細胞功能特異性，繼而解釋免疫應答機制、免疫耐受原因，免疫調節形式等相關生命現象。在本期推送中，簡要介紹T細胞受體 (TCR) 測序對生物學研究的價值。

為什么定義“免疫突觸”如此重要？

生活中，事物的真正價值往往可以在它的缺失中體現。生物學中亦如此。想象一下，T細胞抗原識別錯誤會發生哪些可怕的事？

可想而知，T細胞抗原識別錯誤，免疫將不復存在。當傳染原進入我們的身體或清除攜帶病毒的細胞時，身體將無法識別它們。以前接觸過的抗原由于不會形成免疫記憶，因此疫苗接種工作也將成為徒勞。開創性的癌癥免疫治療方法也成為了無稽之談。我們自身的細胞將面臨自身免疫攻擊的風險……

“泡泡男孩”維特爾，出生就沒有免疫力，在塑料膜里隔離12年。--圖片來源：Baylor College of Medicine

如此看來，T細胞受體(TCR) 抗原特異性識別對于保持我們健康的免疫反應機制至關重要。這使得在“免疫突觸”（即TCR與抗原呈遞細胞上的肽-主要組織相容性復合物 (pMHC) 之間的分子接合點）能夠產生特異性、有效地識別抗原，這是適應性免疫反應的關鍵^[1]。

T細胞依靠它們的表面受體來識別和結合外來和疾病相關的抗原（以肽分子的形式），由固有免疫細胞，如樹突狀細胞或其他抗原呈遞細胞 (APCs) 提供。--圖片來源：Leemet al., Nucleic Acids Res. (2018), 46, D406-D412.

由于這些原因，科學家們急于對漫游于免疫系統中的抗原特異性T細胞受體 (TCR) 進行分類。新技術和數據分析平臺的出現加快了人們在該領域的研究步伐。VDJdb數據庫是記錄TCR序列及其同源抗原的在線資源庫，近年來其規模不斷擴大，但依舊需要產生更多記錄才能使人們真正深入了解免疫系統的巨大多樣性，包括將獨特的抗原表位與已知的特定TCR進行分類。

尋找抗原特異性

2019年，一個利用10x Genomics單細胞免疫分析技術的數據集被分享到VDJdb數據庫中，在記錄中添加了40個獨特的表位，“比迄今為止產生的任何其他高通量數據集都多”^[2]。這就引出了一個問題：是什么讓高通量單細胞測序成為準確預測TCR特異性的有效解決方案？什么可以改進這種方法以獲得更好的結果？

單細胞測序方法克服的第一個障礙就是能夠以與TCR庫的巨大多樣性相匹配的效率和規模提供TCR序列及其同源抗原的讀數——估計在人類體內可能有1015到1061個受體^[3]。10x Genomics的單細胞免疫分析利用帶有特殊寡核苷酸（特征條碼技術）標記的pMHC多聚體來探索抗原特異性。當與單細胞TCR測序相結合時，能夠同時捕獲配對的T細胞αβ鏈序列和肽-MHC多聚體，以高分辨率查看該結合相互作用，并且可以通過基因表達分析相關T細胞身份和功能的信息。

免疫細胞圖像顯示可通過單細胞測序技術獲得的分析物，包括用于鑒定抗原特異性和全轉錄組基因表達的多聚體。

許多科學家也在尋找生物信息學解決方案以減少TCR抗原特異性數據中的這種差距。也就是說，該方法依賴于TCR-pMHC結合數據和已知的TCR序列特征來預測抗原特異性，然而由于大型數據集通常具有很多復雜性和非特異性背景噪聲，因此難以準確驗證TCR-pMHC特異性識別^[3]。Zhang等人描述了一種名為ICON (IntegrativeCOntext-specific Normalization) 的數據標準化方法，該方法通過消除背景噪聲從10xGenomics pMHC結合數據集中識別可靠的TCR-pMHC相互作用。通過評估取自四名健康供體并在44個dextramers中測試的CD8⁺T細胞的結合譜，他們將15,821個已測序的T細胞中的89%與成對的αβ鏈連接到其抗原靶標^[3]。

Zhang等人還探索了使用神經網絡從TCR序列預測抗原特異性，并開發了一個模型，該模型可以接收V(D)J基因和TCR的可變互補決定區 (CDR) 作為輸入。Montemurro等人也在積極探索類似的計算方法，其團隊認為準確預測模型的開發取決于成對的α/β TCR序列數據，僅包含一條鏈信息的數據質量低于具有配對CDR的數據。這一觀點也反映在他們的結果中，從配對TCR數據構建的模型與僅使用CDR3β信息的數據構建的類似模型相比，表現出更高的性能^[4]。他們的結果支持這樣一種觀點，即兩條TCR鏈都有助于TCR抗原特異性，并且可能對與pMHC的結合相互作用具有不同的相對重要性。值得一提的是，這要求單細胞測序平臺提供對兩條鏈的訪問，這也是未來發現準確的TCR抗原特異性相互作用的重要因素。

參考文獻：

[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