opuchlizna na nogach przyczyny

Zarówno u ludzi, jak i u myszy, szlak prezentacji antygenu MHCI jest odpowiedzialny za prezentację peptydów pochodzących z endogennych białek wewnątrzkomórkowych CD8 + CTL (58). Białka endogenne są przetwarzane przez proteasom (59), a powstałe peptydy 8. 11 aminokwasów transportowane do ER przez transporter związany z przetwarzaniem antygenu (TAP) (60), gdzie są ładowane na nowo zsyntetyzowane cząsteczki klasy I i stabilizowane kompleksy peptydowe. MHCI (p. MHCI) są transportowane na powierzchnię komórki. Allele MHCI są wyjątkowo polimorficzne, a liczba potencjalnych własnych i obcych peptydów przetwarzanych przez normalne, zainfekowane lub transformowane komórki jest bardzo duża (61). Istnieje blisko 2500 ludzkich sekwencji allelicznych MHCI, a ponieważ ludzkie komórki mogą wyrażać aż sześć różnych alleli MHCI, zdolność do dokładnego przewidywania, który z peptydów pochodzących od nowotworu wiąże konkretny MHCI, stanowi wyzwanie. Istnieje wiele narzędzi do przewidywania wiązania peptydu z MHCI. Dostępna jest wyczerpująca lista narzędzi do prognozowania (http://cancerimmunity.org/resources/webtools/), a bioinformatyka i biochemiczne aspekty tych programów zostały obszernie przeanalizowane w innym miejscu (62. 64). Podczas gdy SYFPEITHI (65), Rankpep (66) i BIMAS (67) były pierwszymi narzędziami do opracowania, bardziej dokładne algorytmy predykcyjne są już dostępne, a niektóre zostały włączone do bazy danych i analizy bazy danych odpornościowej (IEDB) ) (68). Podzbiór tych algorytmów przewiduje wiązanie peptydu z różnymi wariantami MHCI w oparciu o sztuczne sieci neuronowe (ANN), zapewniając przewidywane IC50 jako wynik (69). W tej kategorii NetMHC (70) jest jednym z najczęściej używanych i najlepiej sprawdzonych programów prognostycznych (71, 72). Podejście oparte na sieci neuronowej zależy od jakości i wielkości zestawu szkoleniowego, a zatem prawdopodobnie będzie dokładniejsze w przypadku bardziej powszechnych alleli. Zmodyfikowana forma NetMHC, NetMHCpan (73, 74), rozszerza zestaw szkoleniowy, włączając dane z innych gatunków, prowadząc do poprawy dokładności rzadkich alleli MHC. SMM (75) i SMMPMBEC (76) są przykładami drugiego podzbioru algorytmów predykcji, które wykorzystują macierze pozycji-ciężkości do opisywania preferencji statystycznych z danych wiązania p. MHCI. To podejście tłumi hałas powodowany zarówno błędem eksperymentalnym, jak i ograniczoną liczbą punktów danych obecnych w zbiorze treningowym. Ustalanie priorytetów neoepitopów. W celu identyfikacji zmutowanych epitopów pochodzących z guza, w większości badań wykorzystuje się przewidywane powinowactwo wiązania p | MHCl jako podstawowe kryterium do generowania początkowo uporządkowanej listy kandydujących epitopów. Większość zgłoszonych badań wskazuje, że naturalne odpowiedzi immunologiczne na neoantygeny nowotworowe są selektywnie kierowane do epitopów w obrębie grupy przewidywanej, że mają najsilniejsze powinowactwa wiązania MHCI (44, 77, 78). Na wiązanie peptydu / MHCI mają wpływ dwa dodatkowe parametry. obfitość epitopów i przetwarzanie antygenu (tj. degradacja białek i transport peptydów). Chociaż spektrometria masowa mogłaby potencjalnie dostarczyć informacji na temat obfitości epitopów i staje się szybko coraz bardziej czuła, aktualna czułość i zapotrzebowanie na dużą liczbę komórek nowotworowych pozostają ważnymi przeszkodami w stosowaniu tego podejścia do identyfikowania całego peptydomu wyrażanego w MHCI (79). Zatem obfitość epitopów jest obecnie szacowana pośrednio przez kwantyfikację poziomów ekspresji RNA. W jednym podejściu, mutacje zdefiniowane przez porównanie nowotworów do normalnych DNA poddaje się analizie bioinformatycznej, aby przewidzieć ich immunogenność, a poziomy kandydatów na immunostymulujące peptydy są oszacowane przez RNA-Seq. Ocena RNA dostarcza informacji dotyczących (a) tego, czy wariant jest wyrażany w RNA i (b) poziom ekspresji zmutowanego allelu w stosunku do innych genów
[patrz też: olejek z wiesiołka, odleżyny leczenie, objawy raka pluc ]