PDF《免疫信息学》

3 年的时间, 但是在上述科学家的不懈 努力下, 免疫信息学的概念已经被人们逐渐接受 , 学科体系也已初步形成, 并进入了一个迅速发展的 新阶段.

2 免疫信息学的实验基础与免疫信息学理 论基础的建立 免疫信息学是以免疫学实验资料为基础并通过 信息学的手段进行研究, 以总结归纳出其中的一些 规律 , 建立相应的结构数学模型[ 7] .应用这些数学 模型对以后的实验结果进行预测, 再通过免疫学实 验对预测的结果进行验证 , 并根据实验验证的结果 对结构数学模型进行修正或对采用的信息学手段进 行优化.因此 , 免疫信息学是以完整和正确的免疫 学实验结果为基础的 , 没有这些结果或这些结果不 完善 , 免疫信息学的预测结果就是不准确的, 甚至 是毫无价值的[ 8] . 免疫信息学本身也是在免疫学实 验结果大量积累之后 , 才逐渐形成和发展的.例如, 现在被广泛使用的用于各种抗原分子表位预测 的网上数据库能够较准确地预测出抗原分子上能与 人白细胞抗原( HLA) 分子结合的 T 细胞表位序列 ( 如SYFPEITHI 系统[ 9, 10] 目前预测 HLA- A2 识别 的表位可靠性为

80 %左右) , 主要是依靠收集经过 实验验证的各种能与 HLA 分子结合的多肽序列( 如SYFPEITHI 系统目前收集了超过

33000 个能与各 种组织相容性抗原复合体( MHC) 分子结合的表位 多肽的实验数据) , 并通过一系列计算将组成这些 多肽序列的氨基酸残基按其所在的位置进行评分, 据此在未知抗原分子中找到可能的抗原表位位点. 随着更多新的表位多肽的被发现和被补充入数据 库,这些网络数据库的预测准确性也在不断地提 高.然而, 这些实验数据的积累往往需要很长的时 间.例如,

1987 年人类发现了第一个 HLA-A2 识 别的抗原表 位( 流 感病毒基质蛋白 p58-66) [ 11] ,

1994 年建立了能较准确预测抗原表位的 SYFPEI- THI 数据库 [ 9, 10] ( 最初的预测准确率约为

12 .

5 % ) ;

至2002 年11 月SYFPEITHI 数据库的最佳预测可 信性( 以HLA- A2 为例) 达到

80 %以上.这前后共 用了

15 年的时间进行实验数据的积累和分析. 如同理论物理学是建立在对物理学理论研究的 基础上一样 , 免疫信息学也是建立在免疫学研究各 种理论基础之上的 . 细胞因子和免疫系统网络调节 的理论 、 免疫细胞的克隆选择学说 、 抗原肽-MHC 复合物识别理论和免疫细胞双信号活化理论等均是 免疫信息学建立的必要的理论基础 . 目前发展最快 的免疫信息学领域 ― ― ―抗原分子表位的预测 , 就是 建立在免疫系统抗原识别和提呈理论基础之上的, 即抗原信号是通过抗原肽-M HC-T 细胞受体( TCR) 三元体[ 12] 传递的, 每一个个体中均具有数目庞大 的T细胞受体库 .根据这一理论 , 人们在考虑表位 预测时更多地考虑了抗原肽-MHC 分子的稳定性, 而不是考虑个体 T 细胞受体的因素 , 从而大大降低 了预测的难度和计算量 , 使表位预测成为可能.因此,免疫信息学的发展不仅依赖免疫学实验结果的 完整与准确 , 还要依靠正确的免疫学理论作为其分 析和总结规律的基础.同时, 免疫信息学的发展也 为现代免疫学的持续发展提供了新的手段.

3 免疫信息学的应用与免疫信息学分析方 法的探索 尽管 免疫信息学 这一名词的提出是在本世 纪初, 但其应用至少可以追溯到