Разработка методических подходов к рациональному дизайну полиэпитопных T-клеточных антигенов тема диссертации и автореферата по ВАК РФ 03.01.03, кандидат биологических наук Антонец, Денис Викторович

• Антонец, Денис Викторович
• кандидат биологических наук
• 2013

Оглавление диссертации кандидат биологических наук Антонец, Денис Викторович

СПИСОК СОКРАЩЕНИЙ.

ВВЕДЕНИЕ.

Актуальность проблемы.

Цели и задачи исследования.

Научная новизна и практическая значимость.

Положения, выносимые на защиту.

Апробация работы.

Публикации по теме диссертации.

Вклад автора.

1. ОБЗОР ЛИТЕРАТУРЫ.

1.1. Архитектура молекул МНС и TCR.

1.2. Функции молекул МНС, процессинг и презентация антигенов.

1.2.1. Процессинг антигенов.

1.2.2. Протеасома.

1.2.3. Транспорт пептидов в ЭПР.

1.2.4. Полиморфизм молекул МНС I класса.

1.2.5. МНС 1-зависимый путь процессинга и презентации антигенов в цифрах.

1.2.6. МНС П-зависимый путь процессинга и презентации антигенов.

1.3. Предсказание Т-клеточных эпитопов.

1.4. Использование клеточных технологий для разработки новых способов иммунотерапии онкологических заболеваний. Полиэпитопные антигены.

2. МАТЕРИАЛЫ И МЕТОДЫ.

2.1. Формулировка моделей предсказывающих аффинность связывания олигопептидов с молекулами МНС.

2.2. Параметризация аминокислот и олигопептидов.

2.3. Метод частных наименьших квадратов (PLS).

2.4. Метод SPLS (Sparse Partial Least Squares).

2.5. Использованное программное обеспечение.

2.6. Дополнительные модели, использованные в программах TEpredict и PolyCTLDesigner.

3. РЕЗУЛЬТАТЫ И ОБСУЖДЕНИЕ.

3.1. Создание статистических моделей для предсказания аффинности связывания олигопептидов с различными алломорфами молекул HLAI класса.

3.2. Создание программы TEpredict.

3.3. Обновление статистических моделей, используемых программой TEpredict для предсказания

Т-клеточных эпитопов.

3.4. Разработка программного обеспечения для рационального дизайна полиэпитопных Т-клеточных антигенов.

3.5. Проектирование полиэпитопных меланомных антигенов.

Введение диссертации (часть автореферата) на тему «Разработка методических подходов к рациональному дизайну полиэпитопных T-клеточных антигенов»

Актуальность проблемы

В настоящее время Т-клеточные эпитопы приобретают все большее значение в качестве инструментов для разработки новых средств иммунодиагностики и иммунотерапии, а также для проектирования искусственных полиэпитопных антигенов - вакцин против инфекционных и онкологических заболеваний (Bazhan et al., 2004; Berzofsky, Berkower, 1995; Cardinaud et al., 2009; Iglesias et al., 2007; Tine et al., 2005; Woodberry et al., 1999). Разработка компьютерных методов предсказания Т-клеточных эпитопов является одной из главнейших задач биоинформатики в области иммунологии, так как применение программ, предсказывающих Т-клеточные эпитопы, позволяет значительно сократить временные и материальные затраты по сравнению с использованием при поиске новых эпитопов и разработке полиэпитопных антигенов только экспериментальных подходов (Liu et al., 2011). Несмотря на то, что к настоящему времени создано большое количество различных программ для предсказания Т-клеточных эпитопов (Donnes, Elofsson, 2002; Hattotuwagama et al., 2004; Kim et al., 2012; Nielsen et al., 2004a; Parker et al., 1994; Reche et al., 2004; Singh, Raghava, 2001, 2003; Wan et al., 2006), разработка новых методов остается по-прежнему актуальной задачей, поскольку ни один из ныне существующих методов не может быть признан единственно верным и превосходящим прочие, и поскольку использование консенсусного подхода, объединяющего возможности различных алгоритмов, в значительной степени превосходит по качеству предсказаний Т-клеточных эпитопов каждый из использованых методов по отдельности (Lafuente, Reche, 2009; Wang et al., 2008).

Конструирование полиэпитопных Т-клеточных антигенов, содержащих множественные Т-клеточные эпитопы, является одним из наиболее многообещающих подходов к созданию новых эффективных и безопасных вакцин (Bazhan et al., 2004; Berzofsky, Berkower, 1995; Cardinaud et al., 2009; 6

Iglesias et al., 2007; Tine et al., 2005; Woodberry et al., 1999). Несмотря на то, что первые работы, посвященные изучению ДНК-вакцин, кодирующих полиэпитопные антигены, показали способность конструкций, составленных в результате простого объединения эпитопов, индуцировать цитотоксический Т-клеточный ответ на все эпитопы, включенные в их состав (Thomson et al., 1995), в дальнейшем было показано, что иммуногенность пептидов в составе полиэпитопа в значительной степени зависит от фланкирующих аминокислотных остатков (Livingston et al., 2001). Было показано, что введение в состав полиэпитопного антигена спейсерных аминокислотных последовательностей, обеспечивающих образование сайтов протеасомного расщепления между эпитопами и оптимизирующих связывание пептидных фрагментов с ТАР (транспортерами, ассоциированными с процессингом антигенов, транслоцирующими олигопептиды в эндоплазматический ретикулум), приводит к увеличению иммуногенности таких конструкций за счет повышения эффективности процессинга и презентации целевых эпитопов иммунной системе (Cardinaud et al., 2009; Ishioka et al., 1999; Livingston et al., 2001). Кроме того, было показано, что существенное влияние на иммуногенность оказывает и перестановка эпитопов в составе полиэпитопной конструкции (Livingston et al., 2001).

В настоящее время разработаны методы предсказания аффинности связывания олигопептидов с комплексом ТАР (Doytchinova et al., 2004а; Larsen et al., 2005; Peters et al., 2003a; Ren et al., 2011), и методы предсказания протеасомного и иммунопротеасомного расщепления антигенов (Kuttler et al.,

2000; Larsen et al., 2005; Nielsen et al., 2005; Nussbaum et al., 2001; Toes et al.,

2001). Однако, несмотря на большое количество работ, посвященных конструированию полиэпитопных антигенных конструкций и исследованию их иммуногенности и протективности, и, несмотря на наличие большого количества программ для предсказания аффинности связывания пептидов с молекулами МНС и с комплексом ТАР, программ для предсказания сайтов протеасомного расщепления, к настоящему моменту не было предложено ни 7 одного алгоритма рационального конструирования полиэпитопных Т-клеточных антигенов. То есть, алгоритма, позволяющего проектировать аминокислотную последовательность полиэпитопного антигена, подбирая наилучшие спейсерные последовательности для каждой пары эпитопов и оптимальное взаимное расположение эпитопов в рамках конструкции с учетом современных знаний о специфичности протеасомного процессинга антигенов и о взаимодействии пептидов с ТАР для увеличения иммуногенности целевого полиэпитопа.

Цели и задачи исследования

Целью настоящего исследования являлись разработка новых методов предсказания Т-клеточных эпитопов и алгоритмов рационального дизайна полиэпитопных Т-клеточных антигенов, а также проектирование с помощью разработанных методов прототипа полиэпитопного Т-клеточного антигена, содержащего множественные Т-клеточные эпитопы из основных антигенов меланомы человека.

В рамках проекта решались следующие задачи:

1. Разработка статистических моделей, предсказывающих аффинность связывания олигопептидов с различными алломорфами молекул МНС.

2. Выбор оптимальной схемы параметризации пептидов в результате сравнения качества предсказаний, полученных моделями, использующими различные способы параметризации олигопептидов -записи аминокислотных последовательностей в виде разреженных векторов (факторизация аминокислот), либо в виде векторов физико-химических свойств аминокислотных остатков.

3. Подтверждение качества полученных предсказательных моделей в результате сравнительного тестирования с рядом других известных методов предсказания Т-клеточных эпитопов (ЗУРРЕГГШ, РгоРгесП, БУМНС, БУЯМНС, ^МНС, БММРМВЕС и ШБВ.гесоттепсЫ).

4. Формализация задачи рационального дизайна полиэпитопных антигенов и разработка алгоритма ее решения, выбирающего наилучшие спейсерные последовательности для каждой пары эпитопов и подбирающего оптимальное взаимное расположение эпитопов в составе полиэпитопа с целью увеличения эффективности презентации целевых эпитопов и минимизации количества нецелевых.

5. Создание на основе разработанных алгоритмов и методов программного обеспечения для предсказания Т-клеточных эпитопов и для проектирования полиэпитопных Т-клеточных антигенов.

6. Конструирование с помощью созданного программного обеспечения прототипа полиэпитопного антигена меланомы человека для верификации разработанных моделей, алгоритмов и программ.

Научная новизна и практическая значимость

В рамках данной работы были разработаны статистические регрессионные модели для предсказания аффинности связывания олигопептидов с 35 различными аллельными вариантами молекул НЬА I класса. Полученные модели продемонстрировали высокое качество предсказаний. Впервые было проведено исследование, направленное на выявление скрытой размерности пространства, описывающего взаимное сходство иммунохимических свойств аминокислотных остатков. Впервые была формализована задача рационального дизайна полиэпитопных Т-клеточных антигенов и разработан алгоритм ее решения.

На основе разработанных моделей и алгоритмов было создано программное обеспечение для предсказания Т-клеточных эпитопов (ТЕргеШсО и рационального дизайна полиэпитопных Т-клеточных антигенов (Ро1уСТ1Л)е81§пег). Был проведен дизайн полиэпитопного антигена, составленного из предсказанных СБ8+ и СБ4+ Т-клеточных эпитопов 6 антигенов меланомы человека, и получена ДНК-вакцинная конструкция, несущая искусственный ген, кодирующий целевой полиэпитоп. Изучение созданной ДНК-вакцины в системе индукции Т-клеточного иммунного ответа ex vivo подтвердило иммуногенность полиэпитопной конструкции и перспективность выбранного направления исследований.

Разработанные в рамках исследования методы, алгоритмы и программное обеспечение могут быть использованы для проектирования полиэпитопных антигенов - новых кандидатных иммунотерапевтических и профилактических вакцин от онкологических и инфекционных заболеваний человека.

Положения, выносимые на защиту

1. Разработанные статистические регрессионные модели предсказывают аффинность связывания нонамерных пептидов с 35 аллельными вариантами молекул МНС I класса человека.

2. Модели, использующие кодирование пептидов в виде векторов свойств составляющих их аминокислотных остатков, обеспечивают большую специфичность при соответствующей чувствительности предсказаний, по сравнению с моделями, кодирующими олигопептиды в виде разреженных векторов.

3. Разработанные модели по качеству предсказаний превосходят такие методы как SYFPEITHI, ProPredl, SVMHC и SVRMHC и не уступают лучшим современным методам предсказания Т-клеточных эпитопов NetMHC, SMMPMBEC и IEDBrecommended.

4. Разработанный алгоритм рационального дизайна полиэптопных Т-клеточных антигенов позволяет оптимизировать структуру полиэпитопной конструкции с учетом современных знаний о путях процессинга белковых антигенов и их презентации иммунной системе.

5. Полиэпитопная конструкция MEL-TCI-A0201, спроектированная с помощью разработанных моделей и алгоритмов, содержащая множественные CD4+ и CD8+ Т-клеточные эпитопы основных антигенов

10 меланомы человека, обладает способностью индуцировать специфический Т-клеточный иммунный ответ.

Апробация работы

По материалам диссертационной работы опубликовано 5 статей в реферируемых научных журналах, входящих в список ВАК, написан 1 патент

Российской Федерации. Результаты работы были представлены на международных и российских конференциях: 6th International Conference on

Bioinformatics of Genome Regulation and Structure BGRS'2008 (Novosibirsk,

Russia, June 22-28, 2008); Объединенный иммунологический форум (Санкт

Петербург, Россия, 30 июня-5 июля 2008 г.); 4th Moscow Conference on

Computational Molecular Biology MCCMB'2009 (Moscow, Russia, July 20-23,

2009); AIDS Vaccine 2009 (Paris, France, October 19-22, 2009), 35th FEBS

Congress (Gothenburg, Sweden, June 26 - July 1, 2010); 7th International

Conference on Bioinformatics of Genome Regulation and StructureXSystems Biology

BGRS\SB-2010 (Novosibirsk, Russia, June 20-27, 2010); XVIII International

Congress "AIDS 2010" (Vienna, Austria, July 18-23, 2010); World Congress of

Virus and Infections WCVI'2010 (Busan, South Korea, July 31 - August 5, 2010);

International Moscow Conference on Computational Molecular Biology

MCCMB'2011 (Moscow, Russia, July 21-24, 2011); The 8th International

Conference on the Bioinformatics of Genome Regulation and Structure\Systems

Biology BGRSVSB-2012 (Novosibirsk, Russia, June 25-29, 2012).

Программное обеспечение, созданное в рамках данной работы, опубликовано на сайте проекта (http://tepredict.sourceforge.net) под свободной лицензией Creative Commons Attribution Non-Commercial License V2.0 (CC BY

NC 2.0). С момента создания было загружено более 200 раз пользователями из

30 стран. Созданное программное обеспечение использовалось при выполнении работ в рамках распоряжения правительства РФ № 1905-р от 25 декабря 2007 г. о проведении научно-исследовательских работ по разработке вакцины против

ВИЧ-инфекции и совершенствовании мониторинга ВИЧ-1 инфекции. Был создан ряда новых вариантов полиэпитопных антигенов ВИЧ-1, содержащих

11 консервативные CTL-эпитопы белков ВИЧ-1 субтипов А, В и С. В настоящее время ведутся работы по изучению их иммуногенности. Работа по созданию программного обеспечения TEpredict и PolyCTLDesigner была поддержана Министерством образования и науки Российской Федерации (гос. контракт №16.512.11.2186) и Российским фондом фундаментальных исследований (грант РФФИ № 12-04-31746 мола).

Публикации по теме диссертации

Статьи

1. Антонец Д.В., Бакулина А.Ю., Портнягина О.Ю., Сидорова О.В., Новикова О.Д., Максютов А.З. Предсказание антигенно-активных районов OmpF-подобного порина Yersinia pseudotuberculosis. II Доклады Академии наук. -2007. - Т.414. - С.544-546.

2. Антонец Д.В., Максютов А.З. TEpredict: программное обеспечение для предсказания Т-клеточных эпитопов. // Молекулярная биология. - 2010. -Т.44. - С.130-139.

3. Bazhan S.I., Karpenko L.I., Ilyicheva T.N., Belavin P.A., Seregin S.V., Danilyuk N.K., Antonets D.V., Ilyichev A.A. Rational design based synthetic polyepitope DNA vaccine for eliciting HIV-specific CD8+ T cell responses. // Mol. Immunol.

- 2010. - V.47. - P.1507-1515.

4. Антонец Д.В. Обновление программного обеспечения TEpredict, предназначенного для предсказания Т-клеточных эпитопов. // Вестник НГУ.

- 2012. - Т. 10, вып. 5. - С.49-56.

5. Боробова Е.А., Антонец Д.В., Старостина Е.В., Смирнова О.Ю., Щербаков Д.Н., Волкова О.Ю., Орешкова С.Ф., Карпенко Л.И., Ильичев А.А., Бажан С.И. Кандидаты ДНК-вакцины против меланомы: дизайн, конструирование и оценка экспрессии целевых генов в эукариотических клетках. // Вестник НГУ. - 2012. - Т.10, вып. 5. - С.23-30.

Патенты

Антонец Д.В., Бажан С.И., Ильичев А.А., Карпенко Л.И., Боробова Е.А., Старостина Е.В., Смирнова О.Ю., Щербаков Д.Н., Орешкова С.Ф. Искусственный ген MEL-TCI-A0201, кодирующий полиэпитопный белок-иммуноген MEL-TCI-A0201, рекомбинантная плазмидная ДНК pMEL-TCI-А0201, обеспечивающая экспрессию искусственного гена MEL-TCI-A0201 и искусственный белок-иммуноген MEL-TCI-A0201, содержащий множественные CTL- и Th-эпитопы антигенов меланомы. // Заявка на патент РФ от 21.08.2012, регистрационный № 2012136088.

Тезисы конференций

1. Antonets D.V., Maksyutov A.Z. Prediction of T-cell epitopes within protein antigens: theoretical analysis and software development. // 8th John Humphrey Advanced Summer Programme in Immunology. Immunology and viral infection, Moscow, September 10-14, 2007. - Abstr. Book, 2007. - P.5.

2. Антонец Д.В., Максютов А.З. Предсказание Т-клеточных эпитопов: теоретический анализ и разработка программного обеспечения. // Вторая конференция по вопросам ВИЧ/СПИДа в Восточной Европе и Центральной Азии, Москва, 3-5 мая 2008 года: сб. тез. - М., 2008. - С.22.

3. Антонец Д.В., Максютов А.З. TEpredict: программа для предсказания Т-клеточных эпитопов. // IV съезд Российского общества биохимиков и молекулярных биологов, Новосибирск, Россия, 11-15 мая 2008 года: сб. тез. - Новосибирск, 2008. - С.262.

4. Antonets D.V. Maksyutov A.Z. TEpredict: software for predicting T-cell epitopes. // The Sixth International Conference on Bioinformatics of Genome Regulation and Structure BGRS'2008, Novosibirsk, Russia, June 22-28, 2008. - Abstr. Book, 2008. - P.28.

5. Антонец Д.В., Максютов А.З. TEpredict: новые подходы к предсказанию Т-клеточных эпитопов. // Объединенный иммунологический форум,

Санкт-Петербург, 30 июня - 5 июля 2008 года. - Российский иммунологический журнал. - 2008. - Т.2. - С.118.

6. Antonets D.V., Maksyutov A.Z., Bazhan S.I. PolyCTLDesigner - the software for constructing polyepitope immunogens. // 4th Moscow Conference on Computational Molecular Biology. Moscow, July 20-23, 2009. - Abstr. Book, 2009.-P. 19-20.

7. Антонец Д.В., Максютов А.З., Бажан С.И. PolyCTLDesigner: программное обеспечение для конструирования полиэпитопных вакцин. // Медицинская геномика и протеомика. Новосибирск, 9-13 сентября 2009 г.: сб. тез. - Новосибирск, 2009. - С.63.

8. Antonets Р., Maksyutov A., Bazhan S. PolyCTLDesigner: the software for constructing highly efficient polyepitope immunogens. Application to HIV-1. // AIDS Vaccine 2009. Paris, France, October 19-22, 2009. - Retro virology. -2009. - V.6, suppl. 3. - P.284.

9- Антонец Д.В., Максютов A.3., Бажан С.И. PolyCTLDesigner. Создание новой полиэпитопной ВИЧ-1 вакцины in silico. Н Третья конференция по вопросам ВИЧ/СПИДа в Восточной Европе и Центральной Азии, Москва, 28-30 октября 2009 г.: сб. тез. - М., 2009. - Т.2. - С.85.

Ю.Бажан С.И., Карпенко Л.И., Ильичева Т., Белавин П.А., Серегин C.B., Антонец Д.В., Ильичев A.A., Ирвайн К., Гиббс Дж., Бенник Дж., Юделл Дж. Рациональный дизайн вакцин для индукции ВИЧ-1 специфического ответа С08+-Т-клеток. // Третья конференция по вопросам ВИЧ/СПИДа в Восточной Европе и Центральной Азии, Москва, 28-30 октября 2009 г.: сб. тез. - М., 2009. - Т.2. - С.87.

П.Регузова А.Ю., Антонец Д.В., Максютов P.A., Бажан С.И., Карпенко Л.И. Конструирование и биологическое тестирование ДНК-вакцинных конструкций, кодирующих структурные варианты искусственного поли-CTL-эпитопного иммуногена ВИЧ-1. // Третья конференция по вопросам ВИЧ/СПИДа в Восточной Европе и Центральной Азии, Москва, 28-30 октября 2009 г.: сб. тез. - М., 2009. - Т.2. - С. 125.

14

12.Antonets D.V., Maksyutov A.Z., Bazhan S.I. PolyCTLDesigner: A program for designing cytotoxic T-cell polyepitope immunogens. // 35th FEBS Congress. Gothenburg, Sweden, June 26 - July 1, 2010. - FEBS Journal. -2010.-V.277.-P.45.

13.Antonets D.V., Maksyutov A.Z., Bazhan S.I. PolyCTLDesigner - software for constructing polyepitope cytotoxic T-cell immunogens. // 7th International Conference on Bioinformatics of Genome Regulation and Structure\Systems Biology (BGRS\SB-2010). Novosibirsk, Russia, June 20-27, 2010. - Abstr. Book, 2010.-P.29

14.Bazhan S.I., Karpenko L.I., Ilyicheva T.N., Belavin P.A., Seregin S.V., Antonets D.V., Ilyichev A.A. Promising strategies for designing poly-CD8+ T cell-epitope DNA vaccine. // XVIII International Congress AIDS 2010, Vienna, Austria, July 18-23, 2010. - Abstr. Book, 2010. - V. 1, P. 290 (TUAA0103).

15.Bazhan S.I., Karpenko L.I., Ilyicheva T.N., Belavin P.A., Seregin S.V., Antonets D.V. Ilyichev A.A. Rational approaches for designing highly efficient DNA vaccines for eliciting HIV-specific CD8+ T cell responses. // WCVI'2010, Busan, South Korea, July 31- August 5, 2010. - Abstr. Book, 2010.-P. 185.

16.Antonets D. TEpredict - software for predicting T-cell epitopes: an update. // International Moscow Conference on Computational Molecular Biology (MCCMB-2011). Moscow, Russia, July 21-24, 2011. - Abstr. Book, 2011. -P.45-46.

17.Antonets D.V., Grudin D.S. TEpredict - software for predicting T-cell epitopes. An update. // The 8th International Conference on the Bioinformatics of Genome Regulation and Structure\Systems Biology (BGRS\SB-2012). Novosibirsk, Russia, June 25-29, 2012. - Abstr. Book, 2012. - P.38.

Вклад автора

Разработка статистических моделей, предназначенных для предсказания аффинности связывания олигопептидов с молекулами МНС, анализ и сравнительное тестирование полученных моделей, разработка алгоритма рационального дизайна полиэпитопных Т-клеточных антигенов, а также создание программного обеспечения, основанного на разработанных моделях и алгоритмах, и дизайн полиэпитопных Т-клеточных антигенов меланомы человека, выполнены автором лично. ДНК-вакцинные конструкции, кодирующие разработанные автором полиэпитопные антигены, получены сотрудниками отдела биоинженерии ФБУН ГНЦ ВБ "Вектор" Боробовой Е.А. и Старостиной Е.В. Исследования иммуногенности ДНК-вакцинной конструкции pMEL-TCI-A0201 в системе индукции Т-клеточного ответа ex vivo с использованием первичных культур иммунокомпетентных клеток человека было выполнено сотрудниками лаборатории молекулярной иммунологии НИИ КИ СО РАМН Лопатниковой Ю.А., Курилиным В.В. и Шевченко Ю.А. под руководством доктора медицинских наук, профессора Сенникова Сергея Витальевича.

1. ОБЗОР ЛИТЕРАТУРЫ

Организмы животных обладают целым рядом защитных механизмов, направленных против инфекционных агентов. Такие защитные реакции подразделяют на неспецифические врожденные, направленные против любых чужеродных клеток, вирусов, крупных молекул, и специфические приобретенные защитные реакции, направленные против конкретных инфекционных агентов. Центральная роль в регуляции и осуществлении специфического иммунного ответа принадлежит лимфоцитам - В- и Т-клеткам (Mesquita Junior et al., 2010; Ploegh, 2007). B-лимфоциты секретируют антитела - эффекторные молекулы гуморального иммунного ответа. Т-лимфоциты осуществляют регуляторные и эффекторные функции клеточного иммунного ответа. Т-клетки подразделяются на большое количество специализированных субпопуляций: Т-хелперы, Т-киллеры и регуляторные Т-лимфоциты. Их свойства и функции подробно описаны в многочисленных литературных источниках (Castellino, Germain, 2006; Josefowicz et al., 2012; Marshall, Swain, 2011; Mauri, Bosma, 2011; Wan, 2010; Williams, Bevan, 2007; Zhu et al., 2010).

Т-лимфоциты распознают антигены, презентируемые молекулами МНС I или II класса, с помощью специализированного рецепторного комплекса, состоящего из Т-клеточного рецептора и CD3, ассоциированных с корецептором CD4 (или CD8), CD2 и костимулирующими молекулами CD28 и CTLA-4 (Rudolph et al., 2006; Smith-Garvin et al., 2009). Далее термином Т-клетки (Т-лимфоциты) будут обозначаться a/ß-T-лимфоциты, а термином Т-клеточный рецептор - a/ß-T-клеточный рецептор.

Т-клеточный рецептор узнает чужеродные молекулярные структуры, в виде коротких пептидных фрагментов процессированных антигенов, представленных на поверхности клеток в ассоциации с молекулами МНС -главного комплекса гистосовместимости (Goldberg, Rock, 1992; Oldstone, 1989; Pâmer, Cresswell, 1998). Связавшись с комплексом пептида с молекулой МНС, Т-клеточный рецепторный комплекс активирует Т-лимфоцит (Kjer-Nielsen et al., 2003; Rudolph et al., 2006; Sim et al., 1996; Vasmatzis et al., 1996). Пептиды, способные связываться с молекулами МНС и активировать Т-лимфоциты называют Т-клеточными эпитопами.

Заключение диссертации по теме «Молекулярная биология», Антонец, Денис Викторович

выводы

1. Разработаны новые статистические регрессионные модели, предсказывающие аффинность связывания нонамерных пептидов с 35 аллельными вариантами молекул МНС I класса человека по аминокислотной последовательности пептидов.

2. Сравнение различных схем параметризации олигопептидов подтвердило, что модели, использующие кодирование пептидов в виде векторов свойств составляющих их аминокислотных остатков (РМВЕС), обеспечивают лучшее качество предсказаний (по значению AUC - площади под кривой ошибок, характеризующей специфичность и чувствительность предсказаний), по сравнению с моделями, кодирующими олигопептиды виде разреженных векторов (р = 2.01 х 10~6).

3. Сравнительное тестирование полученных моделей с рядом других известных методов предсказания Т-клеточных эпитопов подтвердило их высокое качество. По медианному значению AUC (площади под кривой ошибок, характеризующей специфичность и чувствительность предсказаний) оригинальные модели (0.855) превзошли такие методы как SYFPEITHI (0.715), ProPredl (0.810), SVMHC (0.710) и SVRMHC (0.710), а обновленные модели (0.917) не уступают лучшим современным методам предсказания Т-клеточных эпитопов NetMHC (0.908), SMMPMBEC (0.907). По значению AUC новые модели (0.917) незначительно уступили методу IEDBrecommended (0.946), но превзошли его по значению коэффициента корреляции Пирсона (0.65 и 0.51, соответственно).

4. Разработан алгоритм рационального дизайна полиэптопных Тклеточных антигенов, согласно которому оптимальная последовательность полиэпитопа определяется путем поиска наиболее длинного простого пути с наименьшим весом в направленном взвешенном графе, вершины которого соответствуют эпитопам, а ребра

111

- допустимым паросочетаниям эпитопов. Вес каждого ребра определяется ранжирующей функцией, учитывающей количество предсказанных нецелевых эпитопов, образовавшихся на стыке эпитопов, распространенность аллельных вариантов молекул HLA, рестриктирующих нецелевые эпитопы, эффективность сайта протеасомного расщепления на С-конце первого из пары эпитопов и длину спейсерной последовательности.

5. На основе разработанных моделей и алгоритмов создано программное обеспечение для предсказания Т-клеточных эпитопов (TEpredict) и программа для рационального дизайна полиэпитопных антигенов (PolyCTLDesigner).

6. С использованием созданного программного обеспечения проведен дизайн полиэпитопного Т-клеточного антигена - кандидатной иммунотерапевтической вакцины для лечения меланомы человека (MEL-TCI-А0201).

7. Исследования полученной ДНК-вакцины (pMEL-TCI-A0201), кодирующей целевой полиэпитопный антиген, в системе индукции Т-клеточного иммунного ответа ex vivo с использованием первичных культур иммунокомпетентных клеток человека подтвердили иммуногенность созданной конструкции (р < 0.05).

БЛАГОДАРНОСТИ

Автор выражает благодарность заведующему отделом биоинженерии ФБУН ГНЦ ВБ «Вектор» д.б.н. Ильичеву A.A., сотрудникам отдела биоинженерии д.б.н. Карпенко Л.И., Боробовой Е.А., Старостиной Е.В., Регузовой А.Ю. за создание ДНК-вакцинных конструкций, несущих полиэпитопные Т-клеточные антигены. Также благодарит заведующего лабораторией молекулярной иммунологии НИИКИ СО РАМН, д.м.н., профессора Сенникова C.B. и сотрудников лаборатории Лопатникову Ю.А., КурилинаВ.В. и Шевченко Ю.А. за исследование иммунологических характеристик ДНК-вакцины pMEL-TCI-A0201 в системе индукции Т-клеточного иммунного ответа ex vivo с использованием первичных культур иммунокомпетентных клеток человека. Автор благодарит сотрудников Российского онкологического научного центра имени H.H. Блохина РАМН за любезно предоставленные культуры клеток меланомы человека. Также признателен сотрудникам теоретического отдела ФБУН ГНЦ ВБ «Вектор» к.б.н. Бакулиной А.Ю. и к.б.н. Максютову А.З. Особую благодарность автор выражает своему научному руководителю, заведующему теоретическим отделом ФБУН ГНЦ ВБ «Вектор», д.б.н. Бажану С.И. за всестороннюю поддержку при проведении исследований и написании диссертации.

Работа выполнена при финансовой поддержке Министерства образования и науки Российской Федерации (гос. контракт № 16.512.11.2186 и №8289) и Российского фонда фундаментальных исследований (грант РФФИИ2 12-04-31746 мола).

Список литературы диссертационного исследования кандидат биологических наук Антонец, Денис Викторович, 2013 год

1. Хрипко, О.П., Якушенко, Е.В., Сенников, С.В., Красильникова, И.В., Козлов, В.А. Использование дендритных клеток и интерлейкина-18 для модуляции иммунного ответа против HBcAg in vitro // Бюллетень СО РАМН. 2008. Т. 5. № 133. С. 109-113.

2. Эсбенсен, К. Анализ многомерных данных // под ред. О.Е. Родионова. Барнаул: Издательство Алтайского университета, 2003. 157 с.

3. Aarntzen, E.H.J.G., Figdor, C.G., Adema, G.J., Punt, CJ. a, Vries, I.J.M. de. Dendritic cell vaccination and immune monitoring // Cancer immunology, immunotherapy. 2008. V. 57. № 10. P. 1559-68.

4. Abdi, H. Partial least squares regression and projection on latent structure regression (PLS Regression) // Wiley Interdisciplinary Reviews: Computational Statistics. 2010. V. 2. № 1. P. 97-106.

5. Altschul, S.F., Madden, T.L., Schaffer, A.A., Zhang, J., Zhang, Z., Miller, W., Lipman, D.J. Gapped BLAST and PSI-BLAST: a new generation of protein database search programs // Nucleic acids research. 1997. V. 25. № 17. P. 3389^02.

6. Anders, A.K. HLA-DM captures partially empty HLA-DR molecules for catalyzed removal of peptide // Nature Immunol. 2011. V. 12. P. 54-61.

7. Balasse, E., Gatouillat, G., Patigny, D., Andry, M.C., Madoulet, C. In vivo anti-melanoma activities of the Melan-A // Vaccine. 2009. V. 27. № 44. P. 6107-9.

8. Bailee, E., Mansouri, M., Hovey Nerenberg, B.T., Gouveia, K., Fruh, K. Downregulation of major histocompatibility complex class I by human ubiquitin ligases related to viral immune evasion proteins // J. Virol. 2004. V. 78. P. 1109-1120.

9. Bei, R., Scardino, A. TAA polyepitope DNA-based vaccines: a potential tool for cancer therapy // Journal of biomedicine & biotechnology. 2010. V. 2010. P. 102758.

10. Bendtsen, J.D., Nielsen, H., Heijne, G. von, Brunak, S. Improved prediction of signal peptides: SignalP 3.0 // Journal of molecular biology. 2004. V. 340. № 4. P. 783-95.

11. Berglund, P., Finzi, D., Bennink, J.R., Yewdell, J.W. Viral alteration of cellular translational machinery increases defective ribosomal products // J. Virol. 2007. V. 81. P. 7220-7229.

12. Bertolino, P., Rabourdin-Combe, C. The MHC class II-associated invariant chain: a molecule with multiple roles in MHC class II biosynthesis and antigen presentation to CD4+ T cells // Crit. Rev. Immunol. 1996. V. 16. P. 359-379.

13. Berzofsky, J.A., Berkower, I.J. Novel approaches to peptide and engineered protein vaccines for HIV using defined epitopes: advances in 1994-1995 // AIDS (London, England). 1995. V. 9 Suppl A. P. S143-57.

14. Bhasin, M., Raghava, G.P.S. A hybrid approach for predicting promiscuous MHC class I restricted T cell epitopes // Journal of biosciences. 2007. V. 32. № l.P. 31^12.

15. Bhasin, M., Singh, H., Raghava, G.P.S. MHCBN: a comprehensive database of MHC binding and non-binding peptides // Bioinformatics (Oxford, England). 2003. V. 19. № 5. P. 665-6.

16. Blackwell, J.M., Jamieson, S.E., Burgner, D. HLA and infectious diseases // Clinical microbiology reviews. 2009. V. 22. № 2. P. 370-85, Table of Contents.

17. Bonini, C., Lee, S.P., Riddell, S.R., Greenberg, P.D. Targeting antigen in mature dendritic cells for simultaneous stimulation of CD4+ and CD8+ T cells // Journal of immunology. 2001. V. 166. № 8. P. 5250-7.

18. Bouvier, M., Wiley, D.C. Importance of peptide amino and carboxyl termini to the stability of MHC class I molecules // Science (New York, N.Y.). 1994. V. 265. № 5170. P. 398-402.

19. Brady, B.L., Steinel, N.C., Bassing, C.H. Antigen receptor allelic exclusion: an update and reappraisal // Journal of immunology. 2010. V. 185. № 7. P. 3801-8.

20. Bremel, R.D., Homan, E.J. An integrated approach to epitope analysis I: Dimensional reduction, visualization and prediction of MHC binding using amino acid principal components and regression approaches // Immunome Research. 2010. V. 6. № 1. P. 7.

21. Broeke, T. ten, Niel, G. van, Wauben, M.H., Wubbolts, R„ Stoorvogel, W. Endosomally stored MHC class II does not contribute to antigen presentation by dendritic cells at inflammatory conditions // Traffic. 2011. V. 12. P. 1025-1036.

22. Burg, S.H. van der, Visseren, M.J., Brandt, R.M., Kast, W.M., Melief, C.J. Immunogenicity of peptides bound to MHC class I molecules depends on the MHC-peptide complex stability // Journal of immunology. 1996. V. 156. № 9. P. 3308-14.

23. Call, M.J. Small molecule modulators of MHC class II antigen presentation: mechanistic insights and implications for therapeutic application // Molecular immunology. 2011. V. 48. № 15-16. P. 1735-43.

24. Cascio, P., Hilton, C„ Kisselev, A.F., Rock, K.L., Goldberg, A.L. 26S proteasomes and immunoproteasomes produce mainly N-extended versions of an antigenic peptide // EMBO J. 2001. V. 20. P. 2357-2366.

25. Castellino, F., Germain, R.N. Cooperation between CD4+ and CD8+ T cells: when, where, and how // Annual review of immunology. 2006. V. 24. P. 519-40.

26. Castellino, F., Zappacosta, F., Coligan, J.E., Germain, R.N. Large protein fragments as substrates for endocytic antigen capture by MHC class II molecules // Journal of immunology. 1998. V. 161. № 8. P. 4048-57.

27. Castellino, F., Zhong, G., Germain, R.N. Antigen presentation by MHC class II molecules: invariant chain function, protein trafficking, and the molecular basis of diverse determinant capture // Human immunology. 1997. V. 54. №2. P. 159-69.

28. Cebon, J., MacGregor, D., Scott, A., DeBoer, R. Immunotherapy of melanoma: targeting defined antigens // The Australasian journal of dermatology. 1997. V. 38 Suppl 1. P. S66-72.

29. Chen, C., Hardle, W., Unwin, A., Cox, M.A.A., Cox, T.F. Multidimensional Scaling // Handbook of Data Visualization. Springer Berlin Heidelberg, 2008. P. 315-347.

30. Chun, H., Keles, S. Sparse partial least squares regression for simultaneous dimension reduction and variable selection // Journal of the Royal Statistical Society. Series B, Statistical methodology. 2010. V. 72. № 1. P. 3-25.

31. Chung, D., Keles, S. Sparse partial least squares classification for high dimensional data // Statistical applications in genetics and molecular biology. 2010. V. 9. № 1. P. Article 17.

32. Cobb, R.M., Oestreich, K.J., Osipovich, O. a, Oltz, E.M. Accessibility control of V(D)J recombination // Advances in immunology. 2006. V. 91. № D. P. 45-109.

33. Crotzer, V.L., Glosson, N., Zhou, D., Nishino, I., Blum, J.S. LAMP-2-deficient human B cells exhibit altered MHC class II presentation of exogenous antigens // Immunology. 2010. V. 131. № 3. P. 318-30.

34. Dalet, A. An antigenic peptide produced by reverse splicing and double asparagine deamidation // Proc. Natl Acad. Sci. USA. 2011. V. 108. P. e323-e331.

35. Dolan, B.P. Distinct pathways generate peptides from defective ribosomal products for CD8+ T cell immunosurveillance // J. Immunol. 2011. V. 186. P. 2065-2072.

36. Dosztanyi, Z., Torda, A.E. Amino acid similarity matrices based on force fields // Bioinformatics (Oxford, England). 2001. V. 17. № 8. P. 686-99.

37. Doytchinova, I., Hemsley, S., Flower, D.R. Transporter associated with antigen processing preselection of peptides binding to the MHC: a bioinformatic evaluation // Journal of immunology. 2004a. V. 173. № 11. P. 6813-9.

38. Doytchinova, I.A., Flower, D.R. In silico identification of supertypes for class II MHCs //Journal of immunology. 2005. V. 174. № 11. P. 7085-95.

39. Doytchinova, I.A., Guan, P., Flower, D.R. Identifiying human MHC supertypes using bioinformatic methods // Journal of immunology. 2004b. V. 172. №7. P. 4314-23.

40. Doytchinova, I.A., Guan, P., Flower, D.R. Quantitative structure-activity relationships and the prediction of MHC supermotifs // Methods (San Diego, Calif.). 2004c. V. 34. № 4. P. 444-53.

41. Doytchinova, I.A., Guan, P., Flower, D.R. EpiJen: a server for multistep T cell epitope prediction // BMC bioinformatics. 2006. V. 7. P. 131.

42. Donnes, P., Elofsson, A. Prediction of MHC class I binding peptides, using SVMHC // BMC bioinformatics. 2002. V. 3. P. 25.

43. Eisenlohr, L., Huang, L., Golovina, T. Rethinking peptide supply to MHC class I molecules // Nature Reviews Immunology. 2007. V. 7. № May. P. 403-410.

44. Erlich, H. HLA Polymorphism and Disease Susceptibility // Computational Genetics and Genomics. 2005.

45. Falk, K., Rotzschke, O., Stevanovic, S., Jung, G., Rammensee, H.G. Allele-specific motifs revealed by sequencing of self-peptides eluted from MHC molecules // Nature. 1991. V. 351. № 6324. P. 290-6.

46. Fernando, M.M. Defining the role of the MHC in autoimmunity: a review and pooled analysis // PLoS Genet. 2008. V. 4. P. el000024.

47. Ferrara, T.A., Hodge, J.W., Gulley, J.L. Combining radiation and immunotherapy for synergistic antitumor therapy // Curr. Opin. Mol. Ther. 2009. V. 11. P. 37-42.

48. Filzmoser, P., Maronna, R., Werner, M. Outlier identification in high dimensions // Computational Statistics & Data Analysis. 2008. V. 52. № 3. P. 1694-1711.

49. Fooksman, D.R., Vardhana, S., Vasiliver-Shamis, G., Liese, J., Blair, D. a,

50. Waite, J., Sacristan, C., Victora, G.D., Zanin-Zhorov, A., Dustin, M.L.

51. Functional anatomy of T cell activation and synapse formation // Annualreview of immunology. 2010. V. 28. P. 79-105.121

52. Gautier, L. RPy2: A simple and efficient access to R from Python (Электронный ресурс). URL: http: //rpy.sourceforge.net/rpy2.html.

53. Ge, W„ Hu, P.-Z., Huang, Y„ Wang, X.-M., Zhang, X.-M., Sun, Y.-J., Li, Z.-S., Si, S.-Y., Sui, Y.-F. The antitumor immune responses induced by nanoemulsion-encapsulated MAGE1-HSP70 // Oncology reports. 2009. V. 22. №4. P. 915-20.

54. Goldberg, A.L., Rock, K.L. Proteolysis, proteasomes and antigen presentation//Nature. 1992. V. 357. № 6377. P. 375-9.

55. Gonzalez-Galarza, F.F., Christmas, S., Middleton, D., Jones, A.R. Allele frequency net: a database and online repository for immune gene frequencies in worldwide populations // Nucleic acids research. 2011. V. 39. № Database issue. P. D913-9.

56. Groettrup, M., Kirk, C.J., Basler, M. Proteasomes in immune cells: more than peptide producers? // Nature reviews. Immunology. 2010. V. 10. № 1. P. 73-8.

57. Gromme, M. Recycling MHC class I molecules and endosomal peptide loading // Proc. Natl Acad. Sci. USA. 1999. V. 96. P. 10326-10331.

58. Guan, P., Doytchinova, I.A., Zygouri, C., Flower, D.R. MHCPred: bringing a quantitative dimension to the online prediction of MHC binding // Applied bioinformatics. 2003. V. 2. № 1. P. 63-6.

59. Halama, N., Zoernig, I., Jaeger, D. Advanced malignant melanoma: immunologic and multimodal therapeutic strategies // Journal of oncology. 2010. V. 2010. P. 689893.

60. Hammer, J., Takacs, B., Sinigaglia, F. Identification of a motif for HLA-DR1 binding peptides using M13 display libraries // The Journal of experimental medicine. 1992. V. 176. № 4. P. 1007-13.

61. Hammer, J., Valsasnini, P., Tolba, K., Bolin, D., Higelin, J., Takacs, B., Sinigaglia, F. Promiscuous and allele-specific anchors in HLA-DR-binding peptides // Cell. 1993. V. 74. № 1. P. 197-203.

62. Hanada, K., Yewdell, J.W., Yang, J.C. Immune recognition of a human renal cancer antigen through post-translational protein splicing // Nature. 2004. V. 427. P. 252-256.

63. Hartman, I.Z. A reductionist cell-free major histocompatibility complex class II antigen processing system identifies immunodominant epitopes // Nature Med. 2010. V. 16. P. 1333-1340.

64. Hattotuwagama, C.K., Guan, P., Doytchinova, I.A., Zygouri, C., Flower, D.R. Quantitative online prediction of peptide binding to the major histocompatibility complex // Journal of molecular graphics & modelling. 2004. V. 22. № 3. P. 195-207.

65. Herberts, C.A. Cutting edge: HLA-B27 acquires many N-terminal dibasic peptides: coupling cytosolic peptide stability to antigen presentation // J. Immunol. 2006. V. 176. P. 2697-2701.

66. Herrera-Najera, C., Pina-Aguilar, R., Xacur-Garcia, F., Ramirez-Sierra, M.J., Dumonteil, E. Mining the Leishmania genome for novel antigens and vaccine candidates // Proteomics. 2009. V. 9. № 5. P. 1293-301.

67. Hofmann, M.W. The leucine-based sorting motifs in the cytoplasmic domain of the invariant chain are recognized by the clathrin adaptors API and AP2 and their medium chains // J. Biol. Chem. 1999. V. 274. P. 36153-36158.

68. Hoof, I., Peters, В., Sidney, J., Pedersen, L.E., Sette, A., Lund, O., Buus, S., Nielsen, M. NetMHCpan, a method for MHC class I binding prediction beyond humans // Immunogenetics. 2009. V. 61. № 1. P. 1-13.

69. Howe, С. Calreticulin-dependent recycling in the early secretory pathway mediates optimal peptide loading of MHC class I molecules // EMBO J. 2009. V. 28. P. 3730-3744.

70. Hsing, L.C., Rudensky, A.Y. The lysosomal cysteine proteases in MHC class II antigen presentation // Immunol. Rev. 2005. V. 207. P. 229-241.

71. Hughes, E.A., Hammond, C., Cresswell, P. Misfolded major histocompatibility complex class I heavy chains are translocated into the cytoplasm and degraded by the proteasome // Proc. Natl Acad. Sci. USA. 1997. V. 94. P. 1896-1901.

72. Jojic, N., Reyes-Gomez, M., Heckerman, D., Kadie, C., Schueler-Furman, O. Learning MHC I—peptide binding // Bioinformatics (Oxford, England). 2006. V. 22. № 14. P. e227-35.

73. Jones, E., Oliphant, Т., Peterson, P., Al., E. SciPy: Open source scientific tools for Python (Электронный ресурс). URL: http: //www.scipy.org/.

74. Josefowicz, S.Z., Lu, L.-F., Rudensky, A.Y. Regulatory T Cells: Mechanisms of Differentiation and Function // Annual review of immunology. 2012. № December 2011. P. 531-564.

75. Jahnisch, H., Fussel, S., Kiessling, A., Wehner, R., Zastrow, S., Bachmann, M., Rieber, E.P., Wirth, M.P., Schmitz, M. Dendritic cell-based immunotherapy for prostate cancer // Clinical & developmental immunology. 2010. V. 2010. P. 517493.

76. Karvanen, J., Koivunen, V. Blind separation methods based on Pearson system and its extensions // Signal Processing. 2002. V. 82. № 4. P. 663673.

77. Kawahara, M., York, I.A., Hearn, A., Farfan, D., Rock, K.L. Analysis of the role of tripeptidyl peptidase II in MHC class I antigen presentation in vivo // J. Immunol. 2009. V. 183. P. 6069-6077.

78. Kawashima, S., Kanehisa, M. AAindex: amino acid index database // Nucleic acids research. 2000. V. 28. № 1. P. 374.

79. Kessler, J.H. Antigen processing by nardilysin and thimet oligopeptidase generates cytotoxic T cell epitopes // Nature Immunol. 2011. V. 12. P. 4553.

80. Khan, S. Cutting edge: neosynthesis is required for the presentation of a T cell epitope from a long-lived viral protein // J. Immunol. 2001. V. 167. P. 4801^804.

81. Kidera, A., Konishi, Y., Oka, M., Ooi, T., Scheraga, H.A. Statistical analysis of the physical properties of the 20 naturally occurring amino acids // Journal of Protein Chemistry. 1985. V. 4. № 1. P. 23-55.

82. Kim, Y., Sidney, J., Pinilla, C., Sette, A., Peters, B. Derivation of an amino acid similarity matrix for peptide: MHC binding and its application as a Bayesian prior // BMC bioinformatics. 2009. V. 10. P. 394.

83. Klein, C., Bueler, H., Mulligan, R.C. Comparative analysis of genetically modified dendritic cells and tumor cells as therapeutic cancer vaccines // The Journal of experimental medicine. 2000. V. 191. № 10. P. 1699-708.

84. Kloetzel, P.M. Generation of major histocompatibility compl 21f0 ex class I antigens: functional interplay between proteasomes and TPPII // Nature1.munol. 2004. V. 5. P. 661-669.127

85. Koopmann, J.O. Export of antigenic peptides from the endoplasmic reticulum intersects with retrograde protein translocation through the Sec61p channel//Immunity. 2000. V. 13. P. 117-127.

86. Kropshofer, H. Editing of the HLA-DR-peptide repertoire by HLA-DM // EMBO J. 1996. V. 15. P. 6144-6154.

87. Kulkarni, S. Differential microRNA regulation of HLA-C expression and its association with HIV control // Nature. 2011. V. 472. P. 495-498.

88. Kurts, C., Robinson, B.W.S., Knolle, P.A. Cross-priming in health and disease // Nature reviews. Immunology. 2010. V. 10. № 6. P. 403-14.

89. Kuttler, C., Nussbaum, A.K., Dick, T.P., Rammensee, H., Hadeler, K. An Algorithm for the Prediction of Proteasomal Cleavages // Learning. 2000.

90. Lafuente, E.M., Reche, P.A. Prediction of MHC-peptide binding: a systematic and comprehensive overview // Current pharmaceutical design. 2009. V. 15. № 28. P. 3209-20.

91. Landsverk, O.J., Bakke, O., Gregers, T.F. MHC II and the endocytic pathway: regulation by invariant chain // Scand. J. Immunol. 2009. V. 70. P. 184-193.

92. Larsen, M. V, Lundegaard, C., Lamberth, K., Buus, S., Lund, O., Nielsen, M. Large-scale validation of methods for cytotoxic T-lymphocyte epitope prediction // BMC bioinformatics. 2007. V. 8. P. 424.

93. Launay, G., Mendez, R., Wodak, S., Simonson, T. Recognizing proteinprotein interfaces with empirical potentials and reduced amino acid alphabets // BMC bioinformatics. 2007. V. 8. P. 270.

94. Lev, A. The exception that reinforces the rule: crosspriming by cytosolicpeptides that escape degradation // Immunity. 2008. V. 28. P. 787-798.128

95. Li, M. Widespread RNA and DNA sequence differences in the human transcriptome // Science. 2011. V. 333. P. 53-58.

96. Liao, W.W.P., Arthur, J.W. Predicting peptide binding to Major Histocompatibility Complex molecules // Autoimmunity reviews. 2011. V. 10. № 8. P. 469-73.

97. Lin, H.H., Ray, S., Tongchusak, S., Reinherz, E.L., Brusic, V. Evaluation of MHC class I peptide binding prediction servers: applications for vaccine research // BMC immunology. 2008. V. 9. P. 8.

98. Liu, W., Meng, X., Xu, Q., Flower, D.R., Li, T. Quantitative prediction of mouse class I MHC peptide binding affinity using support vector machine regression (SVR) models // BMC bioinformatics. 2006. V. 7. P. 182.

99. Livingston, B.D., Newman, M., Crimi, C., McKinney, D., Chesnut, R., Sette, A. Optimization of epitope processing enhances immunogenicity of multiepitope DNA vaccines // Vaccine. 2001. V. 19. № 32. P. 4652-60.

100. Lundegaard, C., Lund, O., Buus, S., Nielsen, M. Major histocompatibility complex class I binding predictions as a tool in epitope discovery // Immunology. 2010a. V. 130. P. 309-318.

101. Lundegaard, C., Lund, O., Buus, S., Nielsen, M. Major histocompatibility complex class I binding predictions as a tool in epitope discovery // Immunology. 2010b. V. 130. № 3. P. 309-18.

102. Marshall, N.B., Swain, S.L. Cytotoxic CD4 T cells in antiviral immunity //

103. Journal of biomedicine & biotechnology. 2011. V. 2011. P. 954602.129

104. Mateo, L„ Gardner, J., Chen, Q., Schmidt, C., Down, M., Elliott, S.L., Pye, S.J., Firat, H., Lemonnier, F.A., Cebon, J., Suhrbier, A. An HLA-A2 polyepitope vaccine for melanoma immunotherapy // Journal of immunology. 1999. V. 163. № 7. P. 4058-63.

105. Mauri, C., Bosma, A. Immune Regulatory Function of В Cells // Annual review of immunology. 2011. V. 10. № December 2011. P. 221-241.

106. Max, H., Haider, Т., Kropshofer, H., Kalbus, M., Muller, C.A., Kalbacher, H. Characterization of peptides bound to extracellular and intracellular HLA-DR1 molecules // Human immunology. 1993. V. 38. № 3. P. 193-200.

107. Mester, G., Hoffmann, V., Stevanovic, S. Insights into MHC class I antigen processing gained from large-scale analysis of class I ligands // Cell. Mol. Life Sci. 2011. V. 68. P. 1521-1532.

108. Mevik, B.-H., Wehrens, R. The pis package: Principal component and partial least squares regression in R // Journal of Statistical Software. 2007. V. 18. №2. P. 1-24.

109. Mo, X.Y., Cascio, P., Lemerise, K., Goldberg, A.L., Rock, K. Distinct proteolytic processes generate the С and N termini of MHC class I-binding peptides // Journal of immunology. 1999. V. 163. № 11. P. 5851-9.

110. Moreira, W., Warnes, G.R. RPy: A simple and efficient access to R from Python (Электронный ресурс). URL: http: //rpy.sourceforge.net/rpy.html.

111. Mustafa, A.S., Shaban, F.A. ProPred analysis and experimental evaluationof promiscuous T-cell epitopes of three major secreted antigens of130

112. Mycobacterium tuberculosis // Tuberculosis (Edinburgh, Scotland). 2006. V. 86. №2. P. 115-24.

113. Neefjes, J., Jongsma, M.L.M., Paul, P., Bakke, O. Towards a systems understanding of MHC class I and MHC class II antigen presentation // Nature reviews. Immunology. 2011. V. 11. № 12. P. 823-36.

114. Neijssen, J. Cross-presentation by intercellular peptide transfer through gap junctions // Nature. 2005. V. 434. P. 83-88.

115. Neisig, A., Melief, С J., Neefjes, J. Reduced cell surface expression of HLA-C molecules correlates with restricted peptide binding and stable TAP interaction // J. Immunol. 1998. V. 160. P. 171-179.

116. Neisig, A., Wubbolts, R., Zang, X., Melief, C., Neefjes, J. Allele-specific differences in the interaction of MHC class I molecules with transporters associated with antigen processing // J. Immunol. 1996. V. 156. P. 31963206.

117. Netzer, N. Innate immune and chemically triggered oxidative stress modifies translational fidelity // Nature. 2009. V. 462. P. 522-526.

118. Nielsen, M., Lundegaard, C., Lund, O., Kesmir, C. The role of the proteasome in generating cytotoxic T-cell epitopes: insights obtained from improved predictions of proteasomal cleavage // Immunogenetics. 2005. V. 57. № 1-2. P. 33-41.

119. Nielsen, M., Lundegaard, C., Worning, P., Lamberth, K., Lund, O. Improved prediction of MHC class I and II epitopes using a novel Gibbs sampling approach // Building. 2004b. V. 29. № c. P. 1-29.

120. Nitta, T. Thymoproteasome shapes immunocompetent repertoire of CD8+ T cells // Immunity. 2010. V. 32. P. 29^10.

121. Norton, D.L., Haque, A. Insights into the Role of GILT in HLA Class II Antigen Processing and Presentation by Melanoma // Journal of oncology. 2009. V. 2009. P. 142959.

122. Nussbaum, A.K., Kuttler, C., Hadeler, K.P., Rammensee, H.G., Schild, H. PAProC: a prediction algorithm for proteasomal cleavages available on the WWW // Immunogenetics. 2001. V. 53. № 2. P. 87-94.

123. Oldstone, M.B. Viral persistence // Cell. 1989. V. 56. № 4. P. 517-20.

124. Osipovich, O., Oltz, B.M. Regulation of antigen receptor gene assembly by genetic-epigenetic crosstalk // Seminars in immunology. 2010. V. 22. № 6. P. 313-22.

125. Pamer, E., Cresswell, P. Mechanisms of MHC class I—restricted antigen processing // Annual review of immunology. 1998. V. 16. P. 323-58.

126. Pamer, E.G., Harty, J.T., Bevan, M.J. Precise prediction of a dominant class I MHC-restricted epitope of Listeria monocytogenes // Nature. 1991. V. 353. № 6347. P. 852-5.

127. Pang, B. Direct antigen presentation and gap junction mediated cross-presentation during apoptosis // J. Immunol. 2009. V. 183. P. 1083-1090.

128. Parcej, D., Tampe, R. ABC proteins in antigen translocation and viral inhibition // Nature Cliem. Biol. 2010. V. 6. P. 572-580.

129. Park, B. Redox regulation facilitates optimal peptide selection by MHC class I during antigen processing // Cell. 2006. V. 127. P. 369-382.

130. Parker, K.C., Bednarek, M.A., Coligan, J.E. Scheme for ranking potential HLA-A2 binding peptides based on independent binding of individualpeptide side-chains // Journal of immunology. 1994. V. 152. № 1. P. 16375.

131. Peh, C.A. HLA-B27-restricted antigen presentation in the absence of tapasin reveals polymorphism in mechanisms of HLA class I peptide loading // Immunity. 1998. V. 8. P. 531-542.

132. Perone, C.S. Pyevolvc: Genetic Algorithm framework written in pure python (Электронный ресурс). URL: http: //pyevolve.sourceforge.net.

133. Peters, В., Bulik, S., Tampe, R., Endert, P.M. Van, Holzhutter, H.-G. Identifying MHC class I epitopes by predicting the TAP transport efficiency of epitope precursors // Journal of immunology. 2003a. V. 171. № 4. P. 1741-9.

134. Peters, В., Tong, W., Sidney, J., Sette, A., Weng, Z. Examining the independent binding assumption for binding of peptide epitopes to MHC-I molecules // Bioinformatics (Oxford, England). 2003b. V. 19. № 14. P. 1765-72.

135. Ploegh, H.L. Bridging В ccll and T cell recognition of antigen // Journal of immunology. 2007. V. 179. № 11. P. 7193.

136. Princiotta, M.F. Quantitating protein synthesis, degradation, and endogenous antigen processing //Immunity. 2003. V. 18. P. 343-354.

137. R: A Language and Environment for Statistical Computing // 2012.134

138. Raiborg, С., Stenmark, H. The ESCRT machinery in endosomal sorting of ubiquitylated membrane proteins // Nature. 2009. V. 458. P. 445^52.

139. Rammensee, H., Bachmann, J., Emmerich, N.P., Bachor, O.A., Stevanovic, S. SYFPEITHI: database for MHC ligands and peptide motifs // Immunogenetics. 1999. V. 50. № 3-4. P. 213-9.

140. Reche, P., Reinherz, E. Prediction of Peptide-МНС Binding Using Profiles // Immunoinformatics SE 13 / под ред. D. Flower. Humana Press, 2007. P. 185-200.

141. Reche, P.A., Glutting, J.-P., Zhang, H., Reinherz, E.L. Enhancement to the RANKPEP resource for the prediction of peptide binding to MHC molecules using profiles // Immunogenetics. 2004. V. 56. № 6. P. 405-19.

142. Reits, E. Peptide diffusion, protection, and degradation in nuclear and cytoplasmic compartments before antigen presentation by MHC class I // Immunity. 2003. V. 18. P. 97-108.

143. Reits, E. A major role for TPPII in trimming proteasomal degradation products for MHC class I antigen presentation // Immunity. 2004. V. 20. P. 495-506.

144. Reits, E. a, Vos, J.C., Gramme, M., Neefjes, J. The major substrates for TAP in vivo are derived from newly synthesized proteins // Nature. 2000. V. 404. № 6779. P. 774-8.

145. Reits, E.A. Radiation modulates the peptide repertoire, enhances MHC class I expression, and induces successful antitumor immunotherapy // J. Exp. Med. 2006. V. 203. P. 1259-1271.

146. Robinson, J., Mistry, K., McWilliam, H., Lopez, R., Parham, P., Marsh, S.G.E. The IMGT // Nucleic acids research. 2011. V. 39. № Database issue. P. D1171-6.

147. Rocca, A. Localization of the conformational alteration of MHC molecules induced by the association of mouse class I heavy chain with a xenogeneic ?2-microglobulin //Mol. Immunol. 1992. V. 29. P. 481-487.

148. Rock, K.L., York, I.A., Saric, Т., Goldberg, A.L. Protein degradation and the generation of MHC class I-presented peptides // Adv. Immunol. 2002. V. 80. P. 1-70.

149. Roelse, J., Gromme, M., Momburg, F., Hammerling, G., Neefjes, J. Trimming of TAP-translocated peptides in the endoplasmic reticulum and in the cytosol during recycling // J. Exp. Med. 1994. V. 180. P. 1591-1597.

150. Rosa, D.S., Ribeiro, S.P., Almeida, R.R., Mairena, E.C. A DNA Vaccine Encoding Multiple HIV CD4 Epitopes Elicits Vigorous Polyfunctional , Long-Lived CD4 + and CD8 + T Cell Responses // 2011. V. 6. № 2.

151. Rossum, G. van. Python Programming Language Official Website (Электронный ресурс). URL: http: //python.org.

152. Rothbard, J.B., Taylor, W.R. A sequence pattern common to T cell epitopes // The EMBO journal. 1988. V. 7. № 1. P. 93-100.

153. RStudio: Integrated development environment for R (Version 0.96.122) // 2012.

154. Rudolph, M.G., Stanfield, R.L., Wilson, I. a. How TCRs bind MHCs, peptides, and coreceptors // Annual review of immunology. 2006. V. 24. P. 419-66.

155. Ruff, A.L., Guarnieri, F.G., Staveley-O'Carroll, K., Siliciano, R.F., August, J.T. The enhanced immune response to the HIV gpl60 // The Journal of biological chemistry. 1997. V. 272. № 13. P. 8671-8.

156. Ruppert, J., Sidney, J., Celis, E., Kubo, R.T., Grey, H.M., Sette, A. Prominent role of secondary anchor residues in peptide binding to HLA-A2.1 molecules // Cell. 1993. V. 74. № 5. P. 929-37.

157. Rotzschke, O., Falk, K., Stevanovic, S., Jung, G., Walden, P., Rammensee, H.G. Exact prediction of a natural T cell epitope // European journal of immunology. 1991. V. 21. № 11. P. 2891-4.

158. Saccheri, F. Bacteria-induced gap junctions in tumors favor antigen cross-presentation and antitumor immunity // Sci. Transl. Med. 2010. V. 2. P. 44ra57.

159. Salomon, J., Flower, D.R. Predicting Class II MHC-Peptide binding: a kernel based approach using similarity scores // BMC bioinformatics. 2006. V. 7. № l.P. 501.

160. Sammon, J.W. A Nonlinear Mapping for Data Structure Analysis // IEEE Transactions on Computers. 1969. V. C-18. № 5. P. 401^09.

161. Sanderson, F. Accumulation of HLA-DM, a regulator of antigen presentation, in MHC class II compartments // Science. 1994. V. 266. P. 1566-1569.

162. Saric, T. An IFN-?-induced aminopeptidase in the ER, ERAP1, trims precursors to MHC class I-presented peptides // Nature Immunol. 2002. V. 3.P. 1169-1176.

163. Saveanu, L. Concerted peptide trimming by human ERAP1 and ERAP2 aminopeptidase complexes in the endoplasmic reticulum // Nature Immunol. 2005. V. 6. P. 689-697.

164. Saveanu, L., Carroll, O., Hassainya, Y., Endert, P. van. Complexity, contradictions, and conundrums: studying post-proteasomal proteolysis in HLA class I antigen presentation // Immunol. Rev. 2005. V. 207. P. 42-59.

165. Schneider, S.C., Ohmen, J., Fosdick, L., Gladstone, B., Guo, J., Ametani, A.,

166. Sefcarz, E.E., Deng, H. Cutting edge: introduction "of an endopeptidasecleavage motif into a determinant flanking region of hen egg lysozyme results in enhanced T cell determinant display // Journal of immunology. 2000. V. 165. № l.P. 20-3.

167. Schubert, U. Rapid degradation of a large fraction of newly synthesized proteins by proteasomes // Nature. 2000. V. 404. P. 770-774.

168. Serwold, T., Gonzalez, F., Kim, J., Jacob, R., Shastri, N. ERAAP customizes peptides for MHC class I molecules in the endoplasmic reticulum // Nature. 2002. V. 419. № 6906. P. 480-3.

169. Sette, A., Sidney, J. HLA supertypes and supermotifs: a functional perspective on HLA polymorphism // Current opinion in immunology. 1998. V. 10. №4. P. 478-82.

170. Sette, A., Sidney, J. Nine major HLA class I supertypes account for the vast preponderance of HLA-A and -B polymorphism // Immunogenetics. 1999. V. 50. № 3-4. P. 201-12.

171. Sijts, E.J., Kloetzel, P.M. The role of the proteasome in the generation of MHC class I ligands and immune responses // Cell. Mol. Life Sci. 2011. V. 68. P. 1491-1502.

172. Sim, B.C., Zerva, L., Greene, M.I., Gascoigne, N.R. Control of MHC restriction by TCR Valpha CDR1 and CDR2 // Science (New York, N.Y.). 1996. V. 273. № 5277. P. 963-6.

173. Sing, T., Sander, O., Beerenwinkel, N., Lengauer, T. ROCR: visualizing classifier performance in R // Bioinformatics (Oxford, England). 2005. V. 21. №20. P. 3940-1.

174. Singh, H., Raghava, G.P. ProPred: prediction of HLA-DR binding sites // Bioinformatics (Oxford, England). 2001. V. 17. № 12. P. 1236-7.

175. Singh, H., Raghava, G.P.S. ProPredl: prediction of promiscuous MHC Class-I binding sites // Bioinformatics. 2003. V. 19. № 8. P. 1009-1014.

176. Smith-Garvin, J.E., Koretzky, G. a, Jordan, M.S. T cell activation // Annual review of immunology. 2009. V. 27. P. 591-619.

177. Stassar, M.J., Raddrizzani, L., Hammer, J., Zoller, M. T-helper cell-response to MHC class II-binding peptides of the renal cell carcinoma-associated antigen RAGE-1 // Immunobiology. 2001. V. 203. № 5. P. 743-55.

178. Stranzl, T., Larsen, M.V., Lundegaard, C., Nielsen, M. NetCTLpan: pan-specific MHC class I pathway epitope predictions // Immunogenetics. 2010. V. 62. № 6. P. 357-68.

179. Sturniolo, T., Bono, E., Ding, J., Raddrizzani, L., Tuereci, O., Sahin, U., Braxenthaler, M., Gallazzi, F., Protti, M.P., Sinigaglia, F., Hammer, J. Generation of tissue-specific and promiscuous HLA ligand databases using

180. DNA microarrays and virtual HLA class II matrices // Nature biotechnology. 1999. V. 17. №6. P. 555-61.

181. Sun, X., Hodge, L.M., Jones, H.P., Tabor, L., Simecka, J.W. Co-expression of granulocyte-macrophage colony-stimulating factor with antigen enhances humoral and tumor immunity after DNA vaccination // Vaccine. 2002. V. 20. № 9-10. P. 1466-74.

182. Sundar, K., Boesen, A., Coico, R. Computational prediction and identification of HLA-A2.1-specific Ebola virus CTL epitopes // Virology. 2007. V. 360. № 2. P. 257-63.

183. Swets, J.A. Measuring the accuracy of diagnostic systems // Science (New York, N.Y.). 1988. V. 240. № 4857. P. 1285-93.

184. Taylor, M., Bolton, L.M., Johnson, P., Elliott, T., Murray, N. Breast cancer is a promising target for vaccination using cancer-testis antigens known to elicit immune responses // Breast cancer research?: BCR. 2007. V. 9. № 4. P. R46.

185. Tewari, M.K., Sinnathamby, G., Rajagopal, D., Eisenlohr, L.C. A cytosolic pathway for MHC class II-restricted antigen processing that is proteasome and TAP dependent // Nature Immunol. 2005. V. 6. P. 287-294.

186. Trowsdale, J. The MHC, disease and selection // Immunology letters. 2011. V. 137. № 1-2. P. 1-8.

187. Uebel, S., Tampe, R. Specificity of the proteasome and the TAP transporter // Current opinion in immunology. 1999. V. 11. № 2. P. 203-8.

188. Varshavsky, A., Turner, G., Du, F., Xie, Y. Felix Hoppe-Seyler Lecture 2000. The ubiquitin system and the N-end rule pathway // Biological chemistry. 2000. V. 381. № 9-10. P. 779-89.

189. Vasmatzis, G., Cornette, J., Sezerman, U., DeLisi, C. TcR recognition of the МНС-peptide dimer: structural properties of a ternary complex // Journal of molecular biology. 1996. V. 261. № 1. P. 72-89.

190. Venables, W.N., Ripley, B.D. Modern Applied Statistics with S / W.N.

191. Venables, B.D. Ripley / New York: Springer, 2002. Вып. Fourth 495 c.141

192. Vigneron, N. An antigenic peptide produced by peptide splicing in the proteasome // Science. 2004. V. 304. P. 587-590.

193. Villalobos, A., Welch, M., Minshull, J. In silico design of functional DNA constructs // Methods in molecular biology (Clifton, N.J.). 2012. V. 852. P. 197-213.

194. Vyas, J.M., Veen, A.G. Van der, Ploegh, H.L. The known unknowns of antigen processing and presentation // Nature reviews. Immunology. 2008. V. 8. №8. P. 607-18.

195. Wan, J., Liu, W., Xu, Q., Ren, Y., Flower, D.R., Li, T. SVRMHC prediction server for MHC-binding peptides // BMC bioinformatics. 2006. V. 7. P. 463.

196. Wan, Y.Y. Multi-tasking of helper T cells // Immunology. 2010. V. 130. № 2. P. 166-71.

197. Wang, P., Sidney, J., Dow, C., Mothe, B., Sette, A., Peters, B. A systematic assessment of MHC class II peptide binding predictions and evaluation of a consensus approach // PLoS computational biology. 2008. V. 4. № 4. P. el000048.

198. Wearsch, P.A., Cresswell, P. The quality control of MHC class I peptide loading // Curr. Opin. Cell Biol. 2008. V. 20. P. 624-631.

199. Wen, J.-S., Jiang, L.-F., Zhou, J.-M., Yan, H.-J., Fang, D.-Y. Computational prediction and identification of dengue virus-specific CD4(+) T-cell epitopes // Virus research. 2008. V. 132. № 1-2. P. 42-8.

200. Williams, M. a, Bevan, M.J. Effector and memory CTL differentiation // Annual review of immunology. 2007. V. 25. P. 171-92.

201. Wilson, E.M. Androgen receptor molecular biology and potential targets in prostate cancer // Therapeutic advances in urology. 2010. V. 2. № 3. P. 10517.

202. Wold, H. Estimation of Principal Components and Related Models by Iterative Least squares // Multivariate Analysis. New York: Academic Press, 1966. P. 391-420.

203. Wold, S., Martens, H., Wold, H. The multivariate calibration problem in chemistry solved by the PLS method // Matrix Pencils / под ред. В. Kagstrom, A. Ruhe. Springer Berlin / Heidelberg, 1983. P. 286-293.

204. Wu, F., Olson, В., Dobbs, D., Honavar, V. Comparing Kernels for Predicting Protein Binding Sites from Amino Acid Sequence // The 2006 IEEE International Joint Conference on Neural Network Proceedings. IEEE, 2006. P. 1612-1616.

205. Wojcik, C., DeMartino, G.N. Intracellular localization of proteasomes // The International Journal of Biochemistry & Cell Biology. 2003. V. 35. № 5. P. 579-589.

206. Yewdell, J.W., Haeryfar, S.M.M. Understanding presentation of viral antigens to CD8+ T cells in vivo: the key to rational vaccine design // Annual review of immunology. 2005. V. 23. P. 651-82.

207. Yewdell, J.W., Hickman, H.D. New lane in the information highway: alternative reading frame peptides elicit T cells with potent antiretrovirus activity //J. Exp. Med. 2007. V. 204. P. 2501-2504.

208. Yewdell, J.W., Reits, E., Neefjes, J. Making sense of mass destruction: quantitating MHC class I antigen presentation // Nature Rev. Immunol. 2003. V. 3.P. 952-961.

209. York, I.A. The ER aminopeptidase ERAP1 enhances or limits antigen presentation by trimming epitopes to 8-9 residues // Nature Immunol. 2002. V. 3. P. 1177-1184.

210. Handbook of Partial Least Squares // под ред. V. Esposito Vinzi, W.W. Chin, J. Henseler, H. Wang. Berlin, Heidelberg: Springer Berlin Heidelberg,