中心简介
中心科室
教师队伍
科研成果
技术转移
联系我们
English
 
首页» 科研动态»
 
本中心在J Immunol发表免疫细胞转录组学大数据分析的封面文章
发布日期:2016-06-21 浏览次数: 字号:[ ]

免疫细胞的表型与功能丰富多样,且新的免疫细胞亚群不断被发现,进一步加深了免疫系统的复杂性。那么,免疫细胞亚群及其功能是否可以被预测?近期,J Immunol715日出版)将以封面论文的形式发表本中心王平章副教授基于免疫细胞转录组学大数据及免疫信息学方法预测和分析免疫细胞亚群及其功能的研究结果【1】,为本领域的研究提供了新的科研思路,并且大量的预分析结果有利于推动本领域的研究进展。

 该论文首先沿用了其前期研究中基因表达可塑性(gene plasticityGPL)的量化分析方法【2】,对人、小鼠多种不同的免疫细胞中高度及低度可塑性基因集合进行了鉴定。通过GOGene Ontology)、KEGG富集分析发现,细胞因子编码基因,与炎症、免疫反应等密切相关的基因倾向于高度可塑性,而低可塑性基因倾向于类似看家基因的功能特征。高度可塑性基因意味着其表达水平更容易受到环境及实验条件的影响,或者说其表达水平与细胞的功能状态密切相关,从而提示高可塑性基因可以用于划分免疫细胞亚群。例如,人类全部编码基因在所有免疫细胞中的平均可塑性得分(GPL score)约为15,而IL440.5),IL532),IL928.5),IL1031),IL17A32),IL17F30),IL2135),IL2242),IFNG32),FOXP333.5)等都是属于高度可塑基因,它们实际上为不同辅助性T细胞亚群(Th)的特征性基因。与高可塑性基因不同,低可塑性基因更适合作为免疫细胞谱系的阳性或阴性标志分子(可从中进一步遴选表面markerCD分子),因为在特定免疫细胞类别中普遍高表达或低/不表达的基因倾向于低可塑性,即更容易维持表达的稳定性。

 在基因可塑性分析的基础上,该论文进一步拓展了前期研究中关于电子分选(根据基因表达强度追溯试验条件的信息学过程)的概念,即基于大数据的虚拟分选方法。由于不需要预先分离、培养免疫细胞,也不依赖于荧光染料与抗体,该方法又可称为虚拟分选(virtual sorting,或in silico sorting),从而与基于荧光强度的流式细胞分选(FACS)相区别。虚拟分选是基于组学大数据的信息学分析方法,其依据高可塑性基因的表达强度对公共数据集中免疫细胞的数据样本(GEO sampleGSM)进行虚拟划分,依据基因之间表达的相关性并同时考虑剂量的变化来遴选差异基因。在Th细胞中对这一方法进行了测试,即不分离培养Th细胞,也不依赖于针对特定Th细胞所测定的组学数据,发现通过虚拟分选可以取得和文献报道一致的结果。例如,针对人CD4+ T细胞中FOXP3Treg的特征性转录因子)的表达水平,设定三轮分选分别求得FOXP3hiFOXP3lo/-细胞样本中的差异基因,进一步通过基因之间表达相关性【3】及互斥关系分别计算并得到Treg高表达IL2RACTLA4LRRC32等,而低表达ADRB2等,与文献报道一致。

 除了Treg之外,针对其他人Th细胞特征性细胞因子的虚拟分选同样说明了这一分析方法的可行性和有效性,并获得一批新的与这些Th细胞发育或其功能密切相关的基因。例如,计算结果提示转录因子ZBED2IFNGIL4IL9等细胞因子之间存在着密切关系;候选转录因子ZMAT1可能抑制多种Th细胞的发育。通过虚拟分选得到的候选基因,可以进一步通过GOKEGG等分析对免疫细胞亚群的功能进行分析。本研究中,进一步在人CD4+ T细胞中遴选了747个高可塑性基因(GPL score ≥30)进行虚拟分析,对这些基因所代表的免疫细胞亚群的特征性基因进行了预测,对其可能的功能进行了分析,分析结果均以补充材料的方式予以呈现(http://www.jimmunol.org/content/early/2016/06/10/jimmunol.1502552.long,以便科研人员查询。此外,尚可以根据预设的功能(如炎症反应)从全部高可塑性基因虚拟分选结果中寻找可能的具有免疫细胞亚群及其潜在的特征基因。这一过程也被称为反向虚拟分选。

 虚拟分选是大数据利用的一种方式,对于探索免疫细胞亚群及其功能具有重要指导作用,不仅可以节约人力、物力和财力,提高科研效率,而且大量的分析结果也极有利于拓展新课题方向与思路。此外,本研究进一步深化了基因可塑性的认识和应用,有利于从系统免疫学的角度深化对群组(populationome;全部的免疫细胞亚群)及可塑性组(plasticitome;用于标识免疫细胞亚群的全部可塑性基因集合)的认识。

 参考文献:

  1. Wang P, Han W, Ma D. Electronic Sorting of Immune Cell Subpopulations Based on Highly Plastic Genes. J Immunol. 2016 Jun 10. pii: 1502552. [Epub ahead of print]
  2. Wang P, Yang Y, Han W, Ma D.ImmuSort, a database on gene plasticity and electronic sorting for immune cells.Sci Rep. 2015 May 19;5:10370
  3. Wang P, Qi H, Song S, Li S, Huang N, Han W, Ma D.ImmuCo: a database of gene co-expression in immune cells.Nucleic Acids Res. 2015 Jan;43(Database issue):D1133-9.

(北京大学人类疾病基因研究中心供稿)

 

 




打印本页 关闭窗口

版权所有:北京大学人类疾病基因研究中心      地址:北京市海淀区学院路38号 邮编:100191    电话: 010-82802846