Construção de redes de reatividade cruzada a partir da inferência de relações de similaridade da área acessível ao solvente e da distribuição eletrostática da região de interação com o receptor de células T entre complexos peptídeo : HLA:0201

Abstract

O sistema imunológico continua, ao menos parcialmente, sendo uma caixa preta. Com grande quantidade de pesquisa na área, estamos aos poucos decifrando os eventos que se procedem dentro desta caixa, como por exemplo, a reatividade cruzada. Este fenômeno ocorre essencialmente quando um receptor de célula T (TCR) interage com diferentes moléculas de MHC carregadas com peptídeo (p:MHC). A reatividade cruzada é um evento importante, com consequências sobre o desenvolvimento de vacinas e imunoterapias. Entretanto, a complexidade deste sistema tem atrasado o progresso nesta área, e o desenvolvimento de um método confiável de predição de reatividade cruzada se mantém um desafio para os imunologistas. Neste trabalho, nós utilizamos características estruturais dos complexos p:MHC de regiões de contato com o TCR e um diferente método de analise estatística para melhorar a técnica de predição de reatividade cruzada previamente publicada pelo nosso grupo. Assim, o nosso grupo de análise inclui um grupo de 28 epitopos de hepatite C, usado para testar a antiga abordagem, mais 8 epitopos de 4 subtipos de dengue testados in vitro em um trabalho previamente publicado. Utilizando a analise de clusterização hierárquica (HCA) com cálculo de bootstraps com os dados extraídos do potencial eletrostástico e a superfície acessível ao solvente (ASA) de regiões selecionadas do p:MHC, foi criado uma rede com complexos de p:MHC, os quais agrupam corretamente complexos que possuem reatividade cruzada em um ramo e os que não possuem reatividade cruzada em outros ramos. A inclusão dos valores de ASA adiciona uma informação importante em relação à topografia do p:MHC, representando um grande ganho em relação a nossa antiga técnica. Uma representação gráfica da rede foi feita com a saída do HCA, para uma melhor visualização da rede. Esta técnica tem aplicação direta sobre nova estratégia de imunização. Por enquanto, pode ser utilizado para selecionar alvos que ativam ou não reatividade cruzada entre diferentes sorotipos de dengue e HCV.

The immune system is still, in part, a black box. Advanced studies are starting helping us to better understand some events inside this black box, such as cross-reactivity. According to this phenomenon, a T cell receptor (TCR) can interact with many different peptide-loaded Major Histocompatibility Complexes (pMHCs) and a pMHC can interact with manifold TCRs. Cross-reactivity is an important issue, with consequences over vaccine development and immunotherapy. However, the complexity of this system has delayed progress in the field, and the development of a reliable method for T-cell cross-reactivity prediction remains a major goal for several immunologists. In the present work, we suggest the use of pMHC structural features as data input for a multivariate statistical analysis, in order to build an improved cross-reactivity prediction method. Our approach was an upgrade of your published techniques, including a subset with 28 HCV epitopes used to test your old implement plus 8 epitopes from the four Dengue Virus serotypes, which were previously published in an in vitro study. Using a Hierarchical Clustering Analysis (HCA) with data extracted from charges distribution and Accessible Surface Area (ASA) of selected residues over each pMHC structure, we succeed to create a network which groups pMHC complexes that have cross-reactive response. Complexes that were previously described as non-cross-reactive fall in independent branches of the HCA. The inclusion of ASA values added important information on pMHC topography, representing a great improvement in relation to our previously described approach. Moreover, the use of Gephi software to plot the output in a network simplified the interpretation of results. This technic has direct applications for vaccine design. For instance, could be used to select targets that do not trigger cross-reactive responses among dengue and HCV virus serotypes.