Алгоритм анализа данных NGS при оценке репертуаров Т-клеточных рецепторов, вовлеченных в противоопухолевый иммунный ответ

Резюме

Введение. Репертуар Т- и В-клеточных рецепторов представлен большим числом последовательностей. В связи с этим характеристика иммунного рецепторного репертуара является сложной в техническом плане задачей. Наиболее современным методом изучения иммунных рецепторных репертуаров является NGS-секвенирование. Для снижения риска ошибки при работе с последовательностями используются методы вычислительной биологии, упрощающие обработку больших объемов данных.

Цель исследования - разработка и апробация алгоритма анализа данных NGS для сравнительной оценки репертуаров Т-клеточных рецепторов при сингенном и аллогенном ответе на опухоль.

Материал и методы. В рамках настоящей работы нами создана цепочка программных сценариев, позволяющих повысить эффективность анализа репертуара Т-клеточных рецепторов. Разработанные сценарии позволяют автоматически запускать обработку "сырых" данных в программном обеспечении MIGEC, объединять последовательности в пределах групп, проводить анализ клонального состава популяций Т-клеток с учетом специфичности иммунного ответа.

Для оценки сингенного ответа опухолевые клетки тимомы EL-4 прививали мышам линии C57BL/6, а для оценки аллогенного ответа - мышам линии B10.D2 (R101). Для исключения аллоспецифической составляющей при аллогенном ответе на опухоль дополнительная группа животных линии B10.D2 (R101) была иммунизирована нормальными тимоцитами мышей линии C57BL/6.

Результаты. При сравнении репертуаров Т-клеточных рецепторов в обследованных группах установлено, что противоопухолевый Т-клеточный ответ характеризуется снижением разнообразия и повышением клональности иммунного ответа на опухоль, наиболее выраженными в аллогенной группе мышей линии B10.D2 (R101). Анализ противоопухолевых клонов в сингенной и аллогенной модели продемонстрировал достоверные отличия качественного состава Т-клеточного репертуара. С помощью разработанных программных сценариев проведен анализ клонального состава Т-клеточных популяций с учетом аллоспецифической составляющей иммунного ответа и установлены конкретные клоны, обеспечивающие противоопухолевый ответ в сингенной и аллогенной модели.

Заключение. В результате исследования разработан алгоритм анализа данных NGS-секвенирования, прошедших обработку в программном обеспечении MIGEC. Условия и параметры анализа апробированы в биологическом эксперименте по сравнению противоопухолевого ответа в группах мышей, иммунизированных опухолевыми клетками линии EL-4. Проведено секвенирование α- и β-цепей Т-клеточных рецепторов у иммунизированных мышей и у контрольных животных. Проведен сравнительный анализ репертуаров Т-клеточных рецепторов у мышей в сингенной и аллогенной модели при развитии противоопухолевого иммунного ответа. Установлено, что сингенный и аллогенный противоопухолевый ответ, как и аллогенный ответ на интактную ткань, отличаются друг от друга. При этом в структуре иммунного ответа в аллогенной модели, по всей видимости, присутствуют опухоль-специфичные клоны, отсутствующие в сингенной модели.

Ключевые слова:Т-клеточный рецептор; NGS; оценка репертуара Т-клеточных рецепторов, противоопухолевый иммунный ответ

Для цитирования: Булушева И. А., Козлов И.Б., Митин А.Н., Коростин Д.О., Кофиади И. А. Алгоритм анализа данных NGS при оценке репертуаров Т-клеточных рецепторов, вовлеченных в противоопухолевый иммунный ответ. Иммунология. 2020; 41 (5): 400-410. DOI: https://doi.org/10.33029/0206-4952-2020-41-5-400-410

Финансирование. Исследование сингенного и аллогенного ответа на опухоль выполнено при финансовой поддержке Фонда перспективных исследований. Исследование по разработке алгоритма анализа данных выполнено при финансовой поддержке РФФИ в рамках научного проекта № 19-33-90076.

Конфликт интересов. Авторы заявляют об отсутствии конфликта интересов.

Введение

Эффективность иммунного ответа зависит от предшествующего "антигенного опыта", физических и клинических параметров (пол, возраст, наличие иммунной патологии), а также генетических факторов. Вместе они формируют уникальный репертуар Т- и В-клеточных рецепторов у позвоночных, использующих RAG-зависимую рекомбинацию при формировании клеток адаптивного иммунитета [1].

В настоящее время данные о структуре и динамике иммунных репертуаров находят практическое применение в области иммунотерапии онкологических заболеваний [2, 3]. В частности, исследование иммунных репертуаров представляет интерес при разработке и оптимизации методик адоптивной иммунотерапии опухолей [4, 5]. В ряде исследований была показана применимость этого метода, однако вопрос повышения эффективности адоптивной иммунотерапии остается открытым [6]. Некоторые исследования указывают на усиление противоопухолевого иммунного ответа, связанное с развитием аллогенной иммунной реакции [7, 8]. Однако подробная структура Т-клеточного иммунного ответа в условиях развития такой реакции до сих пор не охарактеризована. Является ли аллогенный иммунный ответ одновременно и противоопухолевым? Если аллоспецифическая и противоопухолевая реакция опосредованы различными клонами, можно ли провести четкую границу между ними? Можно ли использовать опухоль-специфичные клоны для повышения эффективности иммунотерапии? На сегодняшний день на эти вопросы нет ответов.

Во многом недостаточная изученность иммунного рецепторного репертуара при иммунотерапии связана с методическими сложностями при анализе. С развитием технологии высокоэффективного параллельного секвенирования (Next Generation Sequencing, NGS) методические ограничения во многом оказались сняты. Однако базовые технологии обработки данных NGS не позволяют полностью избавиться от ошибок, накопленных в ходе пробоподготовки и секвенирования, без потерь реального разнообразия. Для решения этой проблемы было разработано несколько алгоритмов, позволяющих повысить качество "сырых" данных [9-11]. Однако дальнейшие цели и задачи конкретных исследований могут сильно отличаться, поэтому универсального алгоритма работы с последовательностями на сегодняшний день нет. Необходимость работы с большими объемами данных, объединение и исключение последовательностей в пределах сравниваемых групп, визуализация результатов анализа требуют привлечения значительного информационного ресурса и наличия базовых навыков программирования и тем самым ограничивают возможности практического применения метода NGS для характеристики иммунного рецепторного репертуара.

Наличие программного сценария, позволяющего оперировать "сырыми" и обработанными данными, значительно упрощает анализ. В связи с этим целью нашей работы стала разработка и апробация собственного алгоритма анализа данных NGS для оценки репертуаров Т-клеточных рецепторов (ТКР), работающего в комплексе с программой MIGEC. В результате исследования созданы системы уникальных названий образцов для работы с данными из разных запусков секвенатора и упорядочивания данных секвенирования. Также создан автоматизированный программный сценарий, позволяющий скачать, упорядочить и проанализировать данные по каждому образцу с помощью программы MIGEC и самостоятельно написанных программных сценариев. С помощью разработанных программных сценариев проведен сравнительный анализ репертуаров ТКР при развитии противоопухолевого ответа у мышей в сингенной и аллогенной модели.

Материал и методы

Экспериментальные животные. Исследование проводили на самках конвенциональных мышей линии C57BL/6, полученных из питомника "Столбовая" ФГБУН НЦБМТ ФМБА России, а также на конвенциональных мышах линии В10.Б2 (R.101), любезно предоставленных экспериментально-биологической лабораторией ФГБУ "НМИЦ онкологии им Н.Н. Блохина" Минздрава России.

Культура опухолевых клеток. Клетки опухолевого штамма EL-4, использованные в настоящей работе, были получены из коллекции опухолевых штаммов, созданной в экспериментально-биологической лаборатории ФГБУ "НМИЦ онкологии им Н.Н. Блохина" Минздрава России.

Иммунизация экспериментальных животных. Для оценки сингенного иммунного ответа мышей линии C57BL/6 иммунизировали живыми клетками опухолевого штамма EL-4 внутрикожно в дозе 0,1 млн клеток на мышь. При достижении опухолью размера 1,0 см по одному из диаметров ее плотно перевязывали для предупреждения дальнейшего распространения. Мышей линий B10.D2 (R101) иммунизировали живыми клетками опухолевого штамма EL-4 или нормальными тимоцитами мыши линии C57BL/6 внутрибрюшинно в дозе 10,0 млн клеток на мышь. Через 2 мес сингенных и аллогенных животных реиммунизировали путем подкожного введения клеток опухолевого штамма EL-4 или нормальных тимоцитов мыши линии C57BL/6 в дозе 1,0 млн клеток на мышь. На 9-е сутки после реиммунизации животных забивали и извлекали селезенку.

Секвенирование. При подготовке образцов к секвенированию селезенку мышей освобождали от соединительной ткани, суспензировали в фосфатно-солевом буфере (ФСБ) с добавлением 0,1 % БСА и 2 мМ ЭДТА, удаляли эритроциты с помощью лизирующего буфера (eBioscience, США), дважды отмывали ФСБ. Численность клеток определяли путем подсчета в камере Горяева. Полученные на пике иммунного ответа спленоциты лизировали с выделением РНК методом фенол-хлороформной экстракции (реагент Trizol, Ambion, США). Библиотеки кДНК вариабельных фрагментов α- и β-цепей ТКР готовили в соответствии с протоколом, описанным ранее [12]. В итоге для анализа было собрано 40 образцов от 5 групп мышей:

1) "B6" - интактные мыши линии C57BL/6 (10 образцов);

2) "B6 + EL-4" - мыши линии C57BL/6, иммунизированные EL-4 (10 образцов);

3) "R101" - интактные мыши линии B10.D2 (R101) (10 образцов);

4) "R101 + EL-4" - мыши линии B10.D2 (R101), иммунизированные EL-4 (5 образцов);

5) "R101 + Тц-Б6" - мыши линии B10.D2 (R101), иммунизированные тимоцитами мышей линии C57BL/6 (5 образцов).

Всего было собрано 40 образцов (табл.1).

Таблица 1. Образцы, включенные в исследование

Для проведения секвенирования фрагментов CDR3 генов α- и β-цепей ТКР было подготовлено 80 библиотек кДНК (по 2 для каждого образца) в соответствии с протоколом, описанным ранее [11, 12]. Олигонуклеотиды для подготовки библиотек были любезно предоставлены лабораторией геномики адаптивного иммунного ответа Института биоорганической химии им. академиков М.М. Шемякина и Ю. А. Овчинникова РАН.

Качество приготовления библиотек кДНК определяли с помощью капиллярного гель-электрофореза на приборе Bioanalyzer 2100 (Agilent, США). Распределение фрагментов в подготовленных библиотеках соответствовало ожидаемому (рис. 1).

Рис. 1. Распределение длин фрагментов одной библиотеки репертуаров Т-клеточных рецепторов, полученное с помощью капиллярного гель-электрофореза на Agilent Bioanalyzer 2100

Основной пик имеет длину 640 п.н., что соответствует ожидаемому размеру.

Секвенирование проводили на платформах Illumina MiSeq и Illumina HiSeq (США) в соответствии с инструкцией производителя. Оборудование для проведения секвенирования было предоставлено Центром высокоточного редактирования и генетических технологий для биомедицины ФГАОУ ВО РНИМУ им. Н.И. Пирогова Минздрава России.

Программное обеспечение и статистическая обработка. Для обработки "сырых" данных использовали программу MIGEC [10]. Программа позволяет кластеризовать последовательности в соответствии с уникальным молекулярным бар-кодом и удалить ошибки, накопленные в ходе секвенирования. Для оценки разнообразия ТКР использовали индекс разнообразия Шеннона. Расчет проводили по следующей формуле:

H = - ΣSi = 1(Pi* In Pi),

где H - индекс разнообразия Шеннона; X = сумма от клона 1 до клона S; S - количество клонов; Pi - доля конкретной последовательности в популяции. Для оценки достоверности отличий и вычисления p был использован U-критерий Манна-Уитни.

Результаты

Секвенирование образцов

Для оценки качества подготовки библиотек было проведено секвенирование на приборе Illumina MiSeq в режиме парноконцевого чтения с двумя бар-кодами. Результаты анализа представленности "сырых" данных по образцам приведены в табл. 2.

Таблица 2. Количество прочтений и качество данных, полученных при секвенировании на платформе Illumina MiSeq

Данные секвенирования на платформе MiSeq были подвергнуты анализу в программе MIGEC. В результате доля клонотипов, прошедших встроенные в программу фильтры, составила от 81 до 94 %, что говорит о высоком качестве полученных библиотек.

Для получения полных данных по иммунным репертуарам было проведено 3 последовательных секвенирования полученных библиотек кДНК на приборе Illumina HiSeq в режиме парноконцевого прочтения. В среднем количество прочтений на каждую библиотеку составило 12 194 300 шт. (минимум 2 095 225, максимум 31 637 095 шт.). Таким образом, были получены данные, достаточные для полной характеристики иммунных рецепторных репертуаров.

Разработка алгоритма анализа данных высокоэффективного параллельного секвенирования иммунных рецепторных репертуаров

В качестве хранилища данных, полученных в результате секвенирования, использовали облачное хранилище basespace. Для скачивания данных из хранилища было необходимо решить проблемы совпадения названий файлов из разных запусков секвенирования и неупорядоченности названия файлов. Также большое количество данных (960 конечных fastq.gz-файлов, рис. 2) потребовало создания программного сценария для автоматизации скачивания и "сшивания" данных для α- и β-цепей каждого из 40 образцов.

Рис. 2. Структура данных, полученных в результате трех независимых запусков секвенирования (run 1, run 2, run 3) для парноконцевых прочтений α- и β-цепей Т-клеточных рецепторов

Для решения этих проблем были введены универсальные названия образцов формата "дата_номер_цепь" (например, "05092019_1_α"), был написан программный сценарий (язык Python), соотносящий между собой названия файлов, ссылки на данные хранилища basespace и названия образцов и создающий универсальную структуру данных, где в каждой строке указана информация по образцу, а по столбцам - дата, номер и уникальное название образца с 12 ссылками для скачивания последовательностей α- и β-цепей ТКР (по 6 для каждой цепи).

Для упорядочивания данных по образцам была создана единая архитектура хранения: корневая папка, совпадающая по названию с универсальным названием образца, содержащая папки для α- и β-цепей, включающие 3 папки (по одной для каждого из проведенных запусков секвенирования) (рис. 3).

Рис. 3. Пример архитектуры хранения данных для одного образца

Данная архитектура создается автоматически с помощью разработанного нами программного сценария в начале работы с образцом (язык Bash). Еще один сценарий (язык Bash) находит ссылки на хранилище basespace для соответствующего образца и скачивает последовательности в папки созданной архитектуры. Затем файлы сшиваются сначала в рамках одного запуска секвенирования, а затем для всех 3 запусков. В итоге в корневой папке образца формируются 2 файла (правое и левое прочтения) для α-цепи и β-цепи (всего 4 файла). Таким образом, разработанная совокупность программных сценариев позволяет объединить файлы без потери данных и сократить количество файлов с 24 для каждого образца до 4 файлов, необходимых для корректного иммунологического анализа.

На следующем этапе был написан программный сценарий, позволяющий автоматизировать процесс обработки "сырых" данных с помощью программы MIGEC. Его суть заключается в создании 2 txt-файлов в корневой папке образца, загружаемых в программу MIGEC, запуске команд MIGEC, сопровождающемся созданием 5 папок. Необходимые "сырые" данные находятся в той же корневой папке. Итоговые обработанные данные загружаются в папку cdrfinal (рис. 4). Разработанные сценарии, объединенные в единый код, доступны для скачивания (https://github.com/genomecenter/TCR_article_2020).

Рис. 4. Архитектура хранения "сырых" и обработанных с помощью программы MiGEC данных

2 txt-файла, подаваемые на вход MIGEC отмечены стрелками. Запуск команд MIGEC, сопровождающихся созданием 5 папок (отмечены зеленым цветом). Необходимые "сырые" данные находятся в той же корневой папке (отмечены оранжевой рамкой).

Сравнительный анализ репертуаров Т-клеточных рецепторов у мышей в сингенной и аллогенной моделях при развитии противоопухолевого иммунного ответа

Разнообразие Т-клеточного ответа на опухоль EL-4

С помощью разработанного алгоритма была проведена оценка разнообразия репертуаров ТКР - количества уникальных клонотипов внутри образца. Для оценки ответа группы мышей использовали пулированные данные по группам. Объединение в данном случае подразумевает исключение повторяющихся клонов с формированием общей выборки, по сути, единого образца, характеризующегося нормированным по числу клонов разнообразием. Проводили сравнение для следующих групп:

1) 1+2 (сингенная модель)

2) 3+4+5 (иммунизация EL-4 и тимоцитами в аллогенной модели)

Результаты сравнения представлены на рис. 5.

Рис. 5. Результаты оценки разнообразия α-цепей Т-клеточного рецептора в сингенной (А) и аллогенной модели (Б)

Для оценки достоверности отличий использовали индекс разнообразия Шеннона (H). Этот индекс обычно используется для характеристики видового разнообразия в сообществе. Индекс Шеннона учитывает как численность, так и равномерность присутствующих видов. В случае с оценкой разнообразия за "вид" берется конкретный клонотип, S - общая совокупность клонотипов с учетом их долей в данном пулированном образце. По результатам анализа при одинаковом разнообразии для сравниваемых групп значение равномерности колебалось в диапазоне от 0,79 до 0,82, что говорит о наличии клонотипов, сильно выдающихся по количеству в общей массе, и о наличии большого числа клонотипов, присутствующих в незначительном количестве.

Для вычисления p был использован U-критерий Манна-Уитни. G-критерий Манна-Уитни позволяет сравнивать 2 группы данных, которые распределены ненормально. При оценке 20 000 наиболее представленных клонотипов при попарном сравнении групп 1+2, 2+4, 3+4, 4+5, 3+5 результаты, представленные в табл. 3.

Таблица 3. Результаты оценки 20 000 наиболее представленных клонотипов при попарном сравнении групп 1+2, 2+4, 3+4, 4+5, 3+5

Таким образом, все пулированные образцы достоверно отличаются между собой и процесс формирования набора клонотипов не является случайным.

Клональность Т-клеточного ответа на опухоль EL-4

Второй важный показатель, который был получен при оценке репертуара ТКР исследуемых групп - клональность - мера распространенности определенного клона. Разнообразие и клональность являются связанными характеристиками репертуаров. Высокое разнообразие всегда связано с низкой клональностью и наоборот.

По результатам оценки клональности Т-клеточного ответа было установлено, что модификация противоопухолевого ответа происходила за счет наиболее представленных клонов. Это наблюдение справедливо для всех сравниваемых групп интактных и иммунизированных мышей, однако наибольшее усиление клональности иммунного ответа происходило в аллогенной группе мышей линии B10.D2 (R101), иммунизированных EL-4, даже при сравнении с собственно аллогенной реакцией - ответом на интактные тимоциты мышей линии C57BL/6 (рис. 6).

Рис. 6. Сравнение клональности противоопухолевого иммунного ответа в группах интактных аллогенных мышей линии B10.D2 (R101), иммунизированных EL-4 (+EL-4) и нормальными тимоцитами мышей линии C57BL/6 (+Тц B6)

Анализ 20 наиболее представленных клонов показал, что по качественным характеристикам репертуары в сингенной и аллогенной моделях практически не пересекаются (рис. 7).

Рис. 7. 20 наиболее представленных клонов по экспрессии вариабельных участков α-цепи Т-клеточного рецептора (ТКР) при сингенном (B6) и аллогенном (R101) иммунном ответе на EL-4 (+EL-4) и аллогенном ответе на нормальные тимоциты мышей C57BL/6 (+Тц/B6)

Включение в исследование группы мышей, иммунизированных только аллогенными интактными тимоцитами, позволило нам провести анализ репертуаров на наличие опухоль-специфичных клонов. Для этого нами был разработан программный сценарий, позволяющий обнаружить и "вычесть" аллоспецифичные клоны из репертуара группы с аллогенным иммунным ответом на опухоль. В результате такого "вычитания" оставшиеся клоны потенциально являются опухоль-специфичными. В табл. 4 указаны последовательности наиболее представленных клонов, полученных после коррекции на аллоспецифический иммунный ответ.

Таблица 4. Нуклеотидные и аминокислотные последовательности CDR3-участков P-цепи Т-клеточного рецептора наиболее представленных клонов для выборки из группы аллогенных мышей B10.D2 (R101), иммунизированных EL-4

Нами был проведен анализ этих последовательностей с помощью базы данных VDJdb и установлено, что 2 клона из выделенной нами группы - CASSPGQNTEVFF и CASSLGGQNTLYF - были описаны ранее как противоопухолевые [13].

Обсуждение

В ходе проведенного исследования нами разработан программный алгоритм, позволяющий упростить и повысить эффективность анализа иммунного рецепторного репертуара. Создана единая архитектура и номенклатура образцов, разработан программный сценарий, создающий единую таблицу ссылок, разработаны 2 сценария для скачивания и комбинирования данных для каждого образца и создан сценарий, объединяющий все необходимые команды программы MIGEC. Данные программные сценарии объединены в единый код, запускаемый однократно и позволяющий сделать последовательный анализ от стадии "сырые данные" до стадии "полный обсчет образца" по введенным на входе 2 параметрам - дате и номеру образца. С помощью разработанного алгоритма был получен полный анализ для всех 40 образцов, включенных в исследование.

При анализе разнообразия в группах интактных и иммунизированных клетками опухолевой линии EL-4 мышей линии C57BL/6 установлена тенденция к уменьшению числа уникальных клонов у иммунизированных мышей (снижение разнообразия). Это может быть обусловлено относительным увеличением размеров клонов, вовлеченных в опухоль-специфический иммунный ответ.

При анализе разнообразия ТКР аллогенных по отношению к опухолевой линии EL-4 мышей линии B10.D2 (R101) [интактные B10.D2 (R101), иммунизированные EL-4, иммунизированные тимоцитами C57BL/6] обнаружены более значительные отличия по сравнению с сингенной группой. Разнообразие также снижено у иммунизированных мышей по сравнению с интактной группой, при этом у мышей, иммунизированных опухолевыми клетками (EL-4), в большей степени, чем у мышей, иммунизированных нормальными тимоцитами мышей линии C57BL/6.

Анализ 20 наиболее представленных клонов при сравнении аллогенного ответа на опухоль с сингенным противоопухолевым и аллоспецифическим ответом на нормальные тимоциты продемонстрировал значительные отличия в качественном составе репертуаров ТКР у иммунизированных животных - последовательности практически не перекрывались. Таким образом, можно предполагать, что в репертуаре мышей B10.D2 (R101), иммунизированных EL-4, присутствовали уникальные клоны Т-клеток, которые обладали противоопухолевой специфичностью, не являлись аллореактивными и, таким образом, потенциально могут быть использованы при аллогенной адоптивной иммунотерапии.

Выполненная оценка репертуаров ТКР доказала целесообразность использования аллогенных опухоль-специфических Т-клеток для адоптивной иммунотерапии злокачественных новообразований при условии индукции толерантности к клеткам донора и удаления аллореактивных популяций из пула трансплантируемых клеток.

Заключение

Созданный нами алгоритм анализа данных высокоэффективного параллельного секвенирования позволяет запускать обработку "сырых" данных в программном обеспечении MIGEC, объединять последовательности в пределах групп, производить анализ клонального состава популяций Т-клеток и оценивать отличия между сравниваемыми группами. Алгоритм апробирован в эксперименте по сравнению противоопухолевого ответа в группах мышей, иммунизированных опухолевыми клетками линии EL-4. Проведено секвенирование α- и β-цепей Т-клеточных рецепторов у иммунизированных мышей и у контрольных животных. Проведен сравнительный анализ репертуаров Т-клеточных рецепторов у мышей в сингенной и аллогенной моделях при развитии противоопухолевого иммунного ответа. Установлено, что сингенный и аллогенный противоопухолевый ответ, как и аллогенный ответ на интактную ткань, отличаются друг от друга. Удаление аллоспецифичных клонов из репертуара группы с аллогенным иммунным ответом на опухоль позволило определить клоны, отсутствующие в сингенной модели. Таким образом, иммунная реакция на опухоль развивается параллельно аллоспецифичной и может рассматриваться отдельно от нее. Соответствующие опухоль-специфичные клоны обладают потенциалом к использованию при иммунотерапии злокачественных новообразований.

Вклад авторов

Отработка методик, написание статьи - Булушева И.А., Козлов И.Б.; дизайн экспериментов - Митин А.Н.; секвенирование образцов - Коростин Д.О.; анализ данных, редактирование текста - Кофиади И. А.

Литература

1. Алексеев Л.П., Хаитов Р.М., Долбин А.Г., Болдырева М.Н., Алесеева П.Л., Трофимов Д.Ю. и др. Иммуногенетика человека и клиническая трансплантация органов в России. Иммунология. 2015; 2: 76-89.

2. Han Y., Li H., Guan Y., Huang J. Immune repertoire: A potential biomarker and therapeutic for hepatocellular carcinoma. Cancer Lett. 2016; 379 (2): 206-12.

3. Ye B., Smerin D., Gao Q., Kang C., Xiong X. High-throughput sequencing of the immune repertoire in oncology: applications for clinical diagnosis, monitoring, and immunotherapies. Cancer Lett. 2018; 416: 42-56.

4. Bethune M.T., Joglekar A.V. Personalized T cell-mediated cancer immunotherapy: progress and challenges. Curr. Opin. Biotech. 2017; 48: 142-52.

5. Ho W.Y., Blattman J.N., Dossett M.L., Yee C., Greenberg P.D. Adoptive immunotherapy: engineering T cell responses as biologic weapons for tumor mass destruction. Cancer Cell. 2003; 3 (5): 431-7.

6. Rosenberg S.A., Restifo N.P., Yang J.C., Morgan R.A., Dudley M.E. Adoptive cell transfer: a clinical path to effective cancer immunotherapy. Nat. Rev. Cancer. 2008; 8 (4): 299-308.

7. Kobayashi A., Hara H., Ohashi M., Nishimoto T., Yoshida K., Ohkohchi N. et al. Allogeneic MHC gene transfer enhances an effective antitumor immunity in the early period of autologous hematopoietic stem cell transplantation. Clin. Cancer Res. 2007; 13 (24): 7469-79.

8. Marcus A., Eshhar Z. Allogeneic adoptive cell transfer therapy as a potent universal treatment for cancer. Oncotarget. 2011; 2 (7): 525-6.

9. Bolotin D.A., Poslavsky S., Mitrophanov I., Shugay M., Mamedov I.Z., Putintseva E.V. et al. MiXCR: software for comprehensive adaptive immunity profiling. Nat. Methods. 2015; 12 (5): 380-1.

10. Nazarov V.I., Pogorelyy M.V., Komech E.A., Zvyagin I.V., Bolotin D.A., Shugay M. et al. tcR: an R package for T cell receptor repertoire advanced data analysis. BMC Bioinformatics. 2015; 16 (1): 175.

11. Shugay M., Britanova O.V., Merzlyak E.M., Turchaninova M.A., Mamedov I.Z., Tuganbaev T.R. et al. Towards error-free profiling of immune repertoires. Nat. Methods. 2014; 11 (6): 653-5.

12. Mamedov I.Z., Britanova O.V., Zvyagin I.V., Turchaninova M.A., Bolotin D.A., Putintseva E.V. et al. Preparing unbiased T-cell receptor and antibody cDNA libraries for the deep next generation sequencing profiling. Front. Immunol. 2013; 4: 456.

13. Dash P., Fiore-Gartland A.J., Hertz T., Wang G.C., Sharma S., Souquette A. et al. Quantifiable predictive features define epitope-specific T cell receptor repertoires. Nature. 2017; 547 (7661): 89-93.

Материалы данного сайта распространяются на условиях лицензии Creative Commons Attribution 4.0 International License («Атрибуция - Всемирная»)


Журналы «ГЭОТАР-Медиа»