《Frontiers in Immunology》:Immune signatures of common exposures through co-occurrence of T-cell receptors in tens of thousands of donors
编辑推荐:
背景:记忆T细胞是既往免疫暴露(如感染、疫苗和慢性疾病)所导致克隆扩增的记录。在典型免疫库中,这些扩增T细胞克隆的部分受体具有高度公共性(存在于许多个体中),因为它们识别由同一人类白细胞抗原(HLA)等位基因呈递的、来自某种普遍免疫暴露的相同肽段。公共T细胞受
背景:记忆T细胞是既往免疫暴露(如感染、疫苗和慢性疾病)所导致克隆扩增的记录。在典型免疫库中,这些扩增T细胞克隆的部分受体具有高度公共性(存在于许多个体中),因为它们识别由同一人类白细胞抗原(HLA)等位基因呈递的、来自某种普遍免疫暴露的相同肽段。公共T细胞受体β序列(TCRs)中只有极小部分已知与暴露或特定肽段相关。方法:研究人员挖掘了数万供者的TCR免疫组库,以定义“ECOclusters”(Exposure Co-Occurrence clusters,暴露共现簇):倾向于在同一供者中出现的公共TCR簇。首先,研究人员构建了从TCR免疫组库推断供者HLA分型的模型,然后将公共TCR与HLA等位基因关联。接下来,研究人员推导出针对由同一HLA等位基因呈递抗原的TCR共现簇,再根据跨HLA等位基因的共现情况合并这些簇。每个这样的跨HLA ECOcluster被推定代表单一暴露的公共TCR特征。结果:研究人员构建了从TCR免疫组库预测220个HLA等位基因存在的敏感且特异的模型,并对8,618,285个HLA等位基因相关TCR进行聚类,定义了11,058个ECOcluster。利用血清学标记的免疫组库,研究人员鉴定了与HSV-1、HSV-2、EBV、细小病毒、弓形虫、巨细胞病毒(CMV)和SARS-CoV-2相关的ECOcluster,并构建了敏感且特异的暴露分类器。研究人员详细探讨了CMV ECOcluster中的50,217个TCR,包括每个HLA相关组分的诊断性能以及与公共TCR数据库的交集。ECOcluster代表了向解读T细胞免疫组库所编码的免疫暴露史记录迈进的一步。
研究背景与目的
T细胞受体(TCR)的多样性使免疫系统能够识别多种病原体暴露。个体T细胞库由初始和记忆T细胞组成,受早期初始T细胞生成和后续暴露史共同塑造。TCR识别由人类白细胞抗原(HLA)分子呈递的抗原肽;由于HLA基因高度多态,不同HLA等位基因呈递互补的抗原集合,TCR往往对特定肽段与限制性HLA等位基因组合(pHLA)具有特异性。共享同一HLA等位基因和同一免疫暴露的个体,会接触部分相同的pHLA,因此会共享一些“公共TCR”。然而,绝大多数公共TCR的HLA和肽段关联未知,且免疫组库高维、个体HLA遗传背景多样,使从组库中解析暴露信号十分困难。
该研究旨在利用数万个TCR免疫组库中的TCR共现模式,发现代表单一普遍暴露的公共TCR应答簇。研究人员首先建立基于TCR组库推断HLA等位基因的模型,并将公共TCR与HLA等位基因关联;随后通过两步聚类构建跨HLA的ECOcluster(暴露共现簇),并用血清学标签验证其与七种常见暴露的关联,最终构建敏感特异的暴露分类器。研究表明,ECOcluster可系统解读T细胞免疫组库所编码的免疫暴露史,并可用于感染诊断、疾病关联分析和肿瘤浸润淋巴细胞组成理解。
研究方法概述
研究使用48,440个TCRβ免疫组库,来自15个队列,其中5,641个为新采集样本,包括美国自我报告亚裔/其他血统供者(control_bloodworks)和科威特供者(covid_kuwait);HLA分型样本合计5,954个。关键技术包括:对220个HLA等位基因构建基于TCR组库的分类模型;用Fisher精确检验和错误发现率(FDR)将公共TCR与HLA等位基因关联;在34,793个推断HLA的供者中,通过谱共聚类、UMAP降维和HDBSCAN密度聚类构建HLA-COcluster(HLA共现簇);再利用HLA掩蔽相关矩阵和自定义连接函数进行层次聚类,得到ECOcluster。对七种暴露的血清学标签样本,研究人员定义了标准化广度指标和暴露特异性加权广度,构建分类器;并用超几何检验分析ECOcluster对已知TCR-抗原关联数据库中同一分类单元TCR的富集。
主要结果
3.1 HLA相关公共TCR来自数万个推断HLA的免疫组库
研究人员推断34,793名供者的220个HLA等位基因状态,并将8,618,285条公共TCR与HLA等位基因关联;其中92%与II类HLA等位基因相关,8%与I类相关。由于HLA等位基因间存在连锁不平衡(LD),单个TCR的等位基因归属可能存在统计混淆,但研究认为这类错误对ECOcluster暴露关联正确性影响有限,因为强LD的等位基因常见于相同供者,相关TCR仍会聚入同一ECOcluster。
3.2 来自数万个免疫组库的共现TCR簇
研究人员分别对每个HLA等位基因内共现的TCR进行聚类,得到44,010个HLA-COcluster,覆盖196个HLA等位基因。随后以HLA-COcluster为节点,在同时具有对应HLA等位基因的供者中计算HLA掩蔽相关矩阵,并用自定义连接函数进行层次聚类,最终得到11,058个ECOcluster。每个ECOcluster包含6至207,512个TCR,关联1至81个HLA等位基因。
3.3 与特定暴露相关的ECOcluster
3.3.1 来自血清学标记免疫组库的感染诊断模型
针对CMV、EBV、HSV-1、HSV-2、细小病毒、SARS-CoV-2和弓形虫七种暴露,研究人员在训练集中用广度指标识别出1至4个与阳性标签相关的ECOcluster,并学习各HLA-COcluster的标签关联权重,构建加权广度分类器。
3.3.2 诊断模型的性能
在留出集中,分类器的受试者工作特征曲线下面积(AUROC)为0.93至0.97,精确率-召回率曲线下面积(AUPR)为0.77至0.98,98%特异性下敏感性为27%至96%,弃检率为0%至16%。CMV和SARS-CoV-2分类器性能最强。与MotifBoost、TCRsep和Emerson分类器相比,该研究的CMV分类器AUROC更高(0.97),且在CMV阳性白种人与亚裔/太平洋岛民供者间的评分差异不显著,而Emerson分类器存在显著差异,提示ECOcluster方法减少了HLA人群偏差。
3.3.3 数万个免疫组库中模型评分的双峰性
在31,611个T-DETECT队列组库中,所有七种暴露的模型评分均呈双峰分布,强弱程度从细小病毒到CMV不等。研究推定高、低模式分别对应暴露与未暴露供者。在EBV阳性留出供者中,评分与种族、年龄和性别相关;白种人、年长者和女性供者评分更高。
3.3.4 使用多个ECOcluster的诊断模型
EBV和细小病毒分类器使用了多个ECOcluster。通过公共数据库VDJDB、IEDB和McPAS的TCR-肽关联,三个EBV相关ECOcluster分别富集识别BMLF1肽GLCTLVAML、BRLF1肽YVLDHLIVV和LMP2肽FLYALALLL的TCR,可能分别对应EBV裂解早期、即刻早期和潜伏感染阶段的不同免疫应答。
3.3.5 ECOcluster富集于响应同一分类单元肽段的TCR
研究人员用超几何检验识别出多个ECOcluster富集同一分类单元已知TCR。EBV和细小病毒相关ECOcluster得到公共数据库和MIRA实验数据的支持;另有一个ECOcluster与流感相关,还有ECOcluster推定与结核分枝杆菌、腺病毒D、流感、柯萨奇病毒、脊髓灰质炎病毒和HHV-6B相关。这些关联在直接实验证据确认前被视为推定关联。
3.3.6 CMV ECOcluster详析
CMV ECOcluster包含50,217个TCR,其中5,323个来自33个I类HLA相关HLA-COcluster,47,124个来自58个II类HLA相关HLA-COcluster。若不考虑供者HLA,各HLA-COcluster广度区分CMV状态的AUROC中位数为0.55;仅在携带对应HLA等位基因的供者中评估时,AUROC中位数升至0.92,说明HLA背景对TCR生物标志物至关重要。与公共数据库中的CMV TCR相比,CMV ECOcluster TCR的P
gen、P
post和q值均显著更高,表明这些TCR