иммунология

В статье представлены результаты конкурса IMMREP25, направленного на решение одной из сложнейших задач иммуноинформатики — предсказание связывания Т-клеточных рецепторов (TCR) с пептидами, представленными молекулами MHC (pMHC). В отличие от предыдущих соревнований, фокус был смещен с известных пептидов на «неизвестные» (unseen), для которых отсутствуют экспериментальные данные. В конкурсе приняли участие 126 команд, оценивавших специфичность 1000 TCR к двадцати новым пептидам, ограниченным молекулами HLA-A*02:01 и HLA-B*40:01. Лучшие методы достигли показателя macro-AUC_0.1 равного 0.60, что значительно превосходит уровень случайного угадывания и свидетельствует о прогрессе в области. Анализ показал, что наиболее эффективные подходы интегрируют структурное моделирование, что критически важно для предсказания взаимодействий с новыми мишенями. Результаты бенчмарка подчеркивают необходимость перехода от чисто статистических методов к структурно-ориентированным моделям для развития клинической диагностики и терапии.

В исследовании представлен VASCIF (Variable-domain Antibody-antigen Structural Complex Interface Finder) — инновационный фреймворк для предсказания интерфейсов взаимодействия антител и антигенов на уровне остатков. Модель построена на архитектуре Masked Graph Attention (MGA), которая представляет белковые комплексы в виде графов аминокислотных остатков, позволяя эффективно улавливать сложные нелокальные структурные зависимости. Разработанный метод решает критические проблемы текущих подходов: ограниченность структурных наборов данных и сильный дисбаланс классов. Согласно результатам тестирования на курируемых наборах данных, VASCIF демонстрирует показатели state-of-the-art (лучшие в своем классе) при кросс-валидации. Исследователи отметили, что переопределение интерфейсов с использованием увеличенного порога расстояния между остатками (~10 ангстрем) значительно повышает точность предсказания. Модель обладает высокой интерпретируемостью, восстанавливая биофизически значимые паттерны взаимодействия, что критически важно для ускорения разработки новых терапевтических антител и понимания механизмов иммунного распознавания.

Исследователи представили StriMap — единую платформу на базе глубокого обучения, предназначенную для высокоточного предсказания взаимодействий между Т-клеточными рецепторами (TCR), пептидами и молекулами HLA. В отличие от существующих методов, StriMap интегрирует физико-химические свойства, контекст последовательностей и структурные особенности интерфейсов распознавания, что позволяет моделировать сложные трехсторонние взаимодействия. В ходе тестирования платформа продемонстрировала передовые показатели точности (state-of-the-art) и высокую обобщающую способность. В качестве практического применения была проведена масштабная проверка 13 миллионов пептидов, полученных из 43 241 бактериального белка, в контексте болезни Бехтерева (анкилозирующего спондилоартрита). Исследование выявило молекулярные мимики, которые были экспериментально подтверждены как активаторы Т-клеток, связанных с данным заболеванием. Особую значимость представляет обнаружение пептида, обогащенного у пациентов с воспалительными заболеваниями кишечника (IBD), что указывает на общие микробные триггеры этих патологий. Разработка открывает новые возможности для рационального проектирования иммунотерапии и изучения антигенных драйверов аутоиммунных процессов.

В исследовании представлен MHCXGraph — новый вычислительный метод на основе теории графов, предназначенный для идентификации перекрестной реактивности Т-клеточных рецепторов (TCR) к различным пептидам, представленным молекулами главного комплекса гистосовместимости (MHC). В отличие от традиционных методов, опирающихся только на сходство последовательностей, MHCXGraph интегрирует структурную информацию, позволяя выявлять консервативные иммунологически значимые регионы в структурах pMHC. Разработанный инструмент предлагает три режима работы с настраиваемыми параметрами и интуитивно понятным интерфейсом, обеспечивая полную интерпретируемость результатов. Авторы протестировали систему на трех сценариях: для классических молекул MHC класса I, MHC класса II и несвязанных аллелей HLA, подтвердив способность алгоритма улавливать структурные детерминанты, невидимые при обычном секвенировании. Высокая масштабируемость и точность метода делают его перспективным для интеграции в биоинформатические конвейеры, особенно при разработке вакцин на основе Т-клеток и проектировании новых pMHC-энгеров (engagers).

В данной статье рассматриваются продвинутые методы контрастивного анализа главных компонент (PCA), предназначенные для снижения размерности данных путем максимизации дисперсии целевого набора данных при одновременной минимизации дисперсии фонового шума. Авторы представляют два ключевых расширения метода: k-ρPCA, использующий весовые коэффициенты ядра для контрастирования пространственных и не пространственных осей вариации, и f-ρPCA, решающий задачу коэффициента Рэлея в пространстве коэффициентов базисных функций для анализа функциональных данных. Предложенный математический аппарат позволяет объединить разрозненные подходы пространственного и функционального анализа в единую концептуальную структуру. Практическая значимость методов продемонстрирована на реальных биомедицинских данных из области геномики. В частности, алгоритмы успешно применены для анализа экспрессии генов при раковых заболеваниях и изучения иммунного ответа на вакцинацию, что подтверждает их эффективность в поиске биологически значимых сигналов на фоне высокого уровня шума.

Исследование посвящено изучению роли Т-клеточных иммунных ответов при болезни Кавасаки — системном васкулите у детей. Авторы использовали секвенирование РНК одиночных клеток (scRNA-seq) для высокодетальной аннотации периферических мононуклеарных клеток крови у здоровых контролей и пациентов с болезнью Кавасаки до и после лечения иммуноглобулином внутривенно (IVIG). Псевдовременной анализ с помощью инструмента Monocle3 позволил реконструировать траектории развития Т-клеток и выявил значимую линию commitment CD4+ Т-клеток к фенотипу Th17 в острой фазе заболевания, синхронизированную с транскрипционной активацией сигнального пути STAT3/JAK. В экспериментальной модели болезни Кавасаки на мышах (CAWS-induced) фармакологическая ингибиция этого пути существенно снижала воспалительную инфильтрацию в сосудистой стенке сердца. Исследование идентифицировало 13 различных подтипов Т-клеток, что обеспечивает новое понимание иммунной динамики при болезни Кавасаки. Выявленная ось STAT3/JAK как потенциальная терапевтическая мишень открывает возможности для разработки таргетной терапии. Результаты имеют значение для понимания патогенеза и могут способствовать созданию новых методов лечения педиатрических васкулитов.