scholarly journals ClonoMatch: a tool for identifying homologous immunoglobulin and T cell receptor sequences in large databases

2020 ◽  
Author(s):  
Taylor Jones ◽  
Samuel B Day ◽  
Luke Myers ◽  
James E Crowe ◽  
Cinque Soto
Keyword(s):  
T Cell ◽  
T Cell Receptor ◽  
Cell Receptor ◽  
Supplementary Information ◽  
Software Support ◽  
The Public ◽  
Large Databases ◽  
Increasing Demand ◽  
Data Collections ◽  
Next Generation Sequencing Ngs

Abstract Summary B cell receptor (BCR) and T cell receptor (TCR) repertoires are generated through somatic DNA rearrangements and are responsible for the molecular basis of antigen recognition in the immune system. Next-generation sequencing (NGS) of DNA and the falling cost of sequencing due to continued development of these technologies have made sequencing assays an affordable way to characterize the repertoire of adaptive immune receptors (sometimes termed the ‘immunome’). Many new workflows have been developed to take advantage of NGS and have placed the resulting immunome datasets in the public domain. The scale of these NGS datasets has made it challenging to search through the Complementarity-determining region 3 (CDR3), which is responsible for imparting specific antibody-antigen interactions. Thus, there is an increasing demand for sequence analysis tools capable of searching through CDR3s from immunome data collections containing millions of sequences. To address this need, we created a software package called ClonoMatch that facilitates rapid searches in bulk immunome data for BCR or TCR sequences based on their CDR3 sequence or V3J clonotype. Availability and implementation Documentation, software support and the codebase are all available at https://github.com/crowelab/clonomatch. This software is distributed under the GPL v3 license. Supplementary information Supplementary data are available at Bioinformatics online.

scholarly journals Ανάλυση του μηχανισμού της σωματικής υπερμεταλλαξιγένεσης στα γονίδια των ανοσοσφαιρινών με μεθοδολογία αλληλούχησης μεγάλης κλίμακας σε ασθενείς με λεμφοϋπερπλαστικά νοσήματα

2021 ◽  
Author(s):  
Αικατερίνη Γεμενετζή
Keyword(s):  
Next Generation Sequencing ◽  
T Cell ◽  
T Cell Receptor ◽  
Cell Receptor ◽  
Next Generation ◽  
R Shiny ◽  
Next Generation Sequencing Ngs ◽  
Generation Sequencing

Ο Β κυτταρικός υποδοχέας (ΒκΥ) διαδραματίζει κρίσιμο ρόλο στην ανάπτυξη και εξέλιξη των Β λεμφοϋπερπλαστικών νοσημάτων. Η χρόνια λεμφοκυτταρική λευχαιμία (ΧΛΛ) είναι νεόπλασμα Β λεμφοκυττάρων και εμφανίζει μεγάλη βιολογική και κλινική ετερογένεια. Ανοσογενετικές μελέτες στη ΧΛΛ που εστίασαν στα χαρακτηριστικά των κλωνοτυπικών αναδιατάξεων των ανοσοσφαιρινών ανέδειξαν ισχυρή συσχέτιση μεταξύ του φορτίου των σωματικών μεταλλάξεων των γονιδίων IGHV της κλινικής πορείας των ασθενών. Επιπλέον, αναγνωρίστηκε η μοριακή στερεοτυπία του ΒκΥ που είναι ένα μοναδικό χαρακτηριστικό της ΧΛΛ και αφορά στην επιλεκτική έκφραση συγκεκριμένων συνδυασμών γονιδίων των ανοσοσφαιρινών με αποτέλεσμα να προκύπτουν περιοχές CDR3 με συντηρημένα αμινοξικά μοτίβα. Οι ασθενείς με ΧΛΛ που ανήκουν στο ίδιο στερεότυπο υποσύνολο μοιράζονται κλινικά χαρακτηριστικά και συγκεκριμένα στερεότυπα υποσύνολα σχετίζονται πλέον με ιδιαίτερη πρόγνωση. Στην εργασία 1 διερευνήθηκε ο αντίκτυπος της αντιγονικής διέγερσης στη διαμόρφωση του ρεπερτορίου του στερεότυπου ΒκΥ σε διαχρονικά δείγματα ασθενών που κατατάσσονται στο κλινικά ήπιο στερεότυπο υποσυνόλο #4 εφαρμόζοντας μεθοδολογία next generation sequencing (NGS). Ταυτόχρονα πραγματοποιήθηκε σύγκριση του ρεπερτορίου με αυτό ασθενών που έφεραν κλωνοτυπικές αναδιατάξεις του γονιδίου IGHV4-34 αλλά δεν κατατάσσονται σε στερεότυπο υποσύνολο. Τα διαφορετικά ανοσογενετικά προφίλ που αναγνωρίστηκαν μεταξύ των ασθενών των δύο υποομάδων υποδεικνύουν την ύπαρξη παρόμοιων αλλά διακριτών μονοπατιών παθογένεσης και εξέλιξης. Τα διακριτά πρότυπα κλωνικής εξέλιξης στους ασθενείς του υποσυνόλου #4 είναι χαρακτηριστικά συνεχιζόμενης αλληλεπίδρασης με αντιγόνα. Τέλος, η ανάλυση των διαχρονικών δειγμάτων διευκόλυνε την μελέτη της κλωνικής εξέλιξης, η οποία έδειξε ότι τα πρότυπα αυτά καθορίζονται σε πρώιμο στάδιο κατά τη λευχαιμογένεση υπογραμμίζοντας περαιτέρω τη σημασία της επιλογής από αντιγόνα στη διαμόρφωση της δυναμικής του κλωνικού πληθυσμού. Tο στερεότυπο υποσύνολο #2 (IGHV3-21/IGLV3-21, ~2.5% του συνόλου της ΧΛΛ) αποτελεί «πρότυπο» επιθετικής νόσου ανεξάρτητα από το φορτίο της ΣΥΜ, ενώ το συγγενές υποσύνολο #169 εμφανίζει παρόμοια ανοσογενετικά και κλινικά χαρακτηριστικά. Στην εργασία 2 διερευνήθηκε περαιτέρω η σχέση των δύο υποσυνόλων με αλληλούχηση NGS και κρυσταλλογραφική ανάλυση του κλωνοτυπικού ΒκΥ. Ο κυρίαρχος κλώνος εμφάνισε ιδιαίτερη αρχιτεκτονική που προκύπτει από ενδοκλωνική ετερογένεια στα πλαίσια συνεχιζόμενης δράσης της ΣΥΜ τόσο στη βαριά όσο και στην ελαφριά αλυσίδα και των δύο υποομάδων. Οι μοριακές ομοιότητες μεταξύ των δύο υποομάδων υπογραμμίστηκαν από την ανεύρεση κοινών σωματικών μεταλλάξεων και στις δύο αλυσίδες είτε σε κλωνικό είτε σε υποκλωνικό επίπεδο. Επίσης, η κρυσταλλογραφική ανάλυση αποκάλυψε ότι ο ΒκΥ του υποσυνόλου #169 διατηρεί την ίδια γεωμετρία στον χώρο και πραγματοποιεί τις ίδιες αλληλεπιδράσεις που σχετίζονται με την ικανότητα αυτοαναγνώρισης με τον ΒκΥ του υποσυνόλου #2. Τα ευρήματα αυτά επιβεβαιώνουν τη συγγένεια των δύο υποσυνόλων που μπορεί να εξηγηθεί μόνο στο πλαίσιο κοινής αντιγονικής επιλογής.Προκειμένου να αναλυθούν τα ανοσογενετικά δεδομένα που παράχθηκαν στα πλαίσια των προηγούμενων δύο εργασιών, στην εργασία 3 σχεδιάστηκε και αναπτύχθηκε το “T-cell Receptor/Immunoglobulin Profiler (TRIP)”, μια πλατφόρμα λογισμικού που παρέχει υπηρεσίες ανάλυσης δεδομένων από αλληλουχίες υποδοχέων της προσαρμοστικής ανοσίας αξιοποιώντας τη βιβλιοθήκη R Shiny, η οποία επιτρέπει την κατασκευή διαδραστικών διαδικτυακών εφαρμογών απευθείας μέσω της γλώσσας R. Το TRIP παρέχει λεπτομερείς πληροφορίες σχετικά με την χρήση των γονιδίων V, D, και J, την αμινοξική και νουκλεοτιδική σύνθεση της περιοχής CDR3 και την κλωνικότητα των εξεταζόμενων δειγμάτων, καθώς επίσης διευκολύνει τη μελέτη της δράσης της ΣΥΜ στη μεταβλητη περιοχή των αλυσίδων του ΒκΥ αλλά και την αξιολόγηση των μεμονωμένων μεταλλάξεων. Τέλος, το TRIP σχεδιάστηκε με σκοπό να διευκολύνει το έργο τόσο των έμπειρων όσο και των λιγότερο έμπειρων χρηστών.Συνολικά, η παρούσα διατριβή συμβάλλει στην πληρέστερη κατανόηση της οντογένεσης της ΧΛΛ και της κλωνικής εξέλιξης των λευχαιμικών κυττάρων όσον αφορά στα ανοσογενετικά τους χαρακτηριστικά και τις οντογενετικές σχέσεις ασθενών με ΧΛΛ που ανήκουν σε διαφορετικά στερεότυπα υποσύνολα. Ταυτόχρονα, τα ευρήματα της μελέτης επισημαίνουν το ρόλο και τη σημασία των σωματικών μεταλλάξεων στην αντιγονική αναγνώριση και την σηματοδοτική ικανότητα του ΒκΥ.

TCRpair: prediction of functional pairing between HLA-A*02:01-restricted T cell receptor α and β chains

2021 ◽  
Author(s):  
Anja Mösch ◽  
Dmitrij Frishman
Keyword(s):  
Amino Acids ◽  
T Cell ◽  
T Cell Receptor ◽  
Mrna Level ◽  
Cell Receptor ◽  
Supplementary Information ◽  
Supplementary Data ◽  
Β Chain ◽  
Complementarity Determining Region

Abstract Summary The ability of a T cell to recognize foreign peptides is defined by a single α and a single β hypervariable complementarity determining region (CDR3), which together form the T cell receptor (TCR) heterodimer. In ∼30%-35% of T cells, two α chains are expressed at the mRNA level but only one α chain is part of the functional TCR. This effect can also be observed for β chains, although it is less common. The identification of functional α/β chain pairs is instrumental in high-throughput characterization of therapeutic TCRs. TCRpair is the first method that predicts whether an α and β chain pair forms a functional, HLA-A*02:01 specific TCR without requiring the sequence of a recognized peptide. By taking additional amino acids flanking the CDR3 regions into account, TCRpair achieves an AUC of 0.71. Availability TCRpair is implemented in Python using TensorFlow 2.0 and is freely available at https://www.github.com/amoesch/TCRpair Supplementary information Supplementary data are available at Bioinformatics online.

scholarly journals immuneSIM: tunable multi-feature simulation of B- and T-cell receptor repertoires for immunoinformatics benchmarking

2020 ◽  
Vol 36 (11) ◽  
pp. 3594-3596 ◽  
Author(s):  
Cédric R Weber ◽  
Rahmad Akbar ◽  
Alexander Yermanos ◽  
Milena Pavlović ◽  
Igor Snapkov ◽  
...  
Keyword(s):  
T Cell ◽  
T Cell Receptor ◽  
Network Architecture ◽  
Gene Annotation ◽  
Sequence Similarity ◽  
Cell Receptor ◽  
Supplementary Information ◽  
Germline Gene ◽  
Immune Receptor ◽  
Estimation Sequence

Abstract Summary B- and T-cell receptor repertoires of the adaptive immune system have become a key target for diagnostics and therapeutics research. Consequently, there is a rapidly growing number of bioinformatics tools for immune repertoire analysis. Benchmarking of such tools is crucial for ensuring reproducible and generalizable computational analyses. Currently, however, it remains challenging to create standardized ground truth immune receptor repertoires for immunoinformatics tool benchmarking. Therefore, we developed immuneSIM, an R package that allows the simulation of native-like and aberrant synthetic full-length variable region immune receptor sequences by tuning the following immune receptor features: (i) species and chain type (BCR, TCR, single and paired), (ii) germline gene usage, (iii) occurrence of insertions and deletions, (iv) clonal abundance, (v) somatic hypermutation and (vi) sequence motifs. Each simulated sequence is annotated by the complete set of simulation events that contributed to its in silico generation. immuneSIM permits the benchmarking of key computational tools for immune receptor analysis, such as germline gene annotation, diversity and overlap estimation, sequence similarity, network architecture, clustering analysis and machine learning methods for motif detection. Availability and implementation The package is available via https://github.com/GreiffLab/immuneSIM and on CRAN at https://cran.r-project.org/web/packages/immuneSIM. The documentation is hosted at https://immuneSIM.readthedocs.io. Contact [email protected] or [email protected] Supplementary information Supplementary data are available at Bioinformatics online.

scholarly journals Decombinator V4: an improved AIRR compliant-software package for T-cell receptor sequence annotation?

2020 ◽  
Author(s):  
Thomas Peacock ◽  
James M Heather ◽  
Tahel Ronel ◽  
Benny Chain
Keyword(s):  
T Cell ◽  
T Cell Receptor ◽  
Sequence Data ◽  
Cell Receptor ◽  
International Standards ◽  
Supplementary Information ◽  
Sequencing Error ◽  
Receptor Repertoire ◽  
T Cell Receptor Repertoire ◽  
Cell Receptor Repertoire

Abstract Motivation Analysis of the T-cell receptor repertoire is rapidly entering the general toolbox used by researchers interested in cellular immunity. The annotation of T-cell receptors (TCRs) from raw sequence data poses specific challenges, which arise from the fact that TCRs are not germline encoded, and because of the stochastic nature of the generating process. Results In this study, we report the release of Decombinator V4, a tool for the accurate and fast annotation of large sets of TCR sequences. Decombinator was one of the early Python software packages released to analyse the rapidly increasing flow of T-cell receptor repertoire sequence data. The Decombinator package now provides Python 3 compatibility, incorporates improved sequencing error and PCR bias correction algorithms, and provides output which conforms to the international standards proposed by the Adaptive Immune Receptor Repertoire Community. Availability and implementation The entire Decombinator suite is freely available at: https://github.com/innate2adaptive/Decombinator. Supplementary information Supplementary data are available at Bioinformatics online.

scholarly journals T cell clonality assessment: past, present and future

2017 ◽  
Vol 71 (3) ◽  
pp. 195-200 ◽  
Author(s):  
Etienne Mahe ◽  
Tevor Pugh ◽  
Suzanne Kamel-Reid
Keyword(s):  
T Cell ◽  
T Cell Receptor ◽  
Clonal Diversity ◽  
Cell Receptor ◽  
And Function ◽  
Next Generation Sequencing Ngs ◽  
Conceptual Foundations ◽  
T Cell Clonality ◽  
Cell Proliferations ◽  
Cell Clonality

T cell clonality testing has important clinical and research value, providing a specific and reproducible assessment of clonal diversity in T cell proliferations. Here we review the conceptual foundations of T cell clonality assays, including T cell ontogeny and T cell receptor structure and function; we also provide an introduction to T cell receptor genomics and the concept of the T cell clonotype. This is followed by a review of historical and current methods by which T cell clonality may be assayed, including current assay limitations. Some of these assay limitations have been overcome by employing next-generation sequencing (NGS)-based technologies that are becoming a mainstay of modern molecular pathology. In this vein, we provide an introduction to NGS technologies, including a review of the preanalytical, analytical and postanalytical technologies relevant to T cell clonality NGS assays.

Sign in / Sign up

Export Citation Format

Share Document