مقاله رایگان با موضوع نگهداری و شبکه ای

دانلود پایان نامه

همچنین اﮐﺜﺮﯾﺖ روش های ﭘﯿﺸﮕﻮﯾﯽ اﭘﯽ ﺗﻮپ ﺑﺮای ﺳﻠﻮل های T اﯾﻦ ﻋﻤﻞ را به ﻃﻮر ﻏﯿﺮﻣﺴﺘﻘﯿﻢ ﺑﺎ ﭘﯿﺸﮕﻮﯾﯽ اپی توپ های ﺑﺎ اﻓﯿﻨﯿﺘﯽ ﺑﺎلا ﺑﺮای ﻣﻮﻟﮑﻮل MHC اﻧﺠﺎم ﻣﯽ دهند، که اﯾﻦ اﻣﺮ ﺧﺎﻟﯽ از اﺷﮑﺎل ﻧﯿﺴﺖ و ﭘﯿﺸﮕﻮﯾﯽ های آﯾﻨﺪه ﺑﺎ اﺗﺼﺎل ﭘﭙﺘﯿﺪ به TCR هم در ﺑﺮ ﺑﮕﯿﺮد. ﻋﻠﯽ رﻏﻢ ﺑﯿﺶ از رﺑﻊ ﻗﺮن ﺗلاش در جهت ﺗﻮاﻧﻤﻨﺪ ﺳﺎزی ﻣﻮﻓﻖ توسعه واﮐﺴﻦ های ﭘﭙﺘﯿﺪی که ﺑﺮ ﭘﺎیه آﻧﺎﻟﯿﺰ اﻃلاﻋﺎت ﺑﯿﻮﻣﺎرﮐﺮهای در دﺳﺘﺮی ﻣﯽ ﺑﺎﺷﺪ، اﻣﺎ تنها ﭘﯿﺸﺮﻓﺖ ﺣﺪاﻗﻠﯽ به ﺳﻤﺖ ﮐﺎرﺑﺮد هایﺗﺎﺋﯿﺪ ﺷﺪه ﺑﺎﻟﯿﻨﯽ ﺑﺮداﺷته ﺷﺪه اﺳﺖ (180).

  • اﯾﻦ اﻣﺮ ﺷﺎﯾﺪ ﻣﻨﻌﮑﺲ ﮐﻨﻨﺪه ﭼﻨﺪﯾﻦ ﻣﺸﮑﻞ ﺗﮑﻨﯿﮑﯽ ﻧﻈﯿﺮ ﭘﺎﯾﺪاری ﭘﭙﺘﯿﺪ در in vivo و ادﺟﻮاﻧﯿﺴﯿﺘﯽ ﭘﺎﺋﯿﻦ، که ﺷﺎﯾﺪ هنوز ﻣﯽ ﺑﺎﯾﺴﺖ از ﻃﺮﯾﻖ اﺻلاﺣﺎت ﻣﻨﺎﺳﺐ ﭘﺮوﺗﻮﮐﻞ ها ﺑﺮای تهیه اﯾﻤﻮﻧﻮژن و اﯾﻤﻦ ﺳﺎزی برطرف ﺷﻮد (183).
    همچنین باید ﭘﯿﭽﯿﺪﮔﯽ های ﺳلاﻣﺘﯽ جهانی ﻧﯿﺰ در ﻃﺮاﺣﯽ ﻣﺪ ﻧﻈﺮ ﻗﺮار ﮔﯿﺮد. به هر ﺣﺎل اﯾﻦ ﻣﻮﺿﻮع ﺳﺒﺐ ﺗﻮجهات ﺟﺪی درﺑﺎره اﻣﮑﺎن ﻃﺮاﺣﯽ واﮐﺴﻦ های ﭘﭙﺘﯿﺪی ﺷﺪه اﺳﺖ. از ﺳﺎل ٢٠٠۵ ﯾﻜﻲ از ﺑﺰرﮔﺘﺮﯾﻦ ﻣﻄﺎﻟﻌﺎت ﺗﺎرﯾﺦ واﻛﺴﻦ ﺳﺎزی جهت ﺗﻮﻟﯿﺪ واﻛﺴﻨﯽ ﻣﻨﺎﺳﺐ ﺑﺮ ﻣﺒﻨﺎی ﺗﮑﻨﻮﻟﻮژی واﮐﺴﯿﻨﺎﺳﯿﻮن ﻣﻌﮑﻮس و واﮐﺴﻦ های اﭘﯽ ﺗﻮﭘﯽ (ﭘﭙﺘﯿﺪی) ﺑﺮای ﻣﺎﯾﻜﻮﺑﺎﻛﺘﺮﯾﻮم ﺗﻮﺑﺮﻛﻠﻮزﯾﺲ، ﺳﯿﻔﻠﯿﺲ، ﻣﺎلارﯾﺎ، ﻛلاﻣﯿﺪﯾﺎ، ﭘﻨﻮﻣﻮﻛﻮک، اﺳﺘﺮﭘﺘﻮﻛﻮک ها، ﭘﺴﻮدوﻣﻮﻧﺎس، ﺑﻮرﻟﯿﺎ، رﯾﻜﺘﺰﯾﺎ و ﺑﺎرﺗﻮﻧلا در ﺣﺎل اﻧﺠﺎم اﺳﺖ (184). از ﺑﺰرﮔﺘﺮﯾﻦ ﻣﺸﻜلات اﯾﻦ روش اﯾﻦ اﺳﺖ که ﺳﺎﺧﺘﺎرهای ﭘﻠﯽ ﺳﺎﻛﺎرﯾﺪی که در اﯾﺠﺎد اﯾﻤﻨﻲ ﺑﻮاسطه ﺳﻠﻮل T ﺣﺎﺋﺰ اهمیت هستند ﻗﺎﺑﻞ ﺑﺮرﺳﻲ ﻧﯿﺴﺘﻨﺪ ﭼﻮن ﺗﻮاﻟﯽ ژﻧﻮﻣﻲ ﺑﺮای ﭘﻠﯽ ﺳﺎﻛﺎرﯾﺪها وﺟﻮد ﻧﺪارد، همچنین همیشه ﻣﺪل ﺣﯿﻮاﻧﯽ ﻣﻨﺎﺳﺐ ﺑﺮای ﺑﺮرﺳﯽ اﯾﻤﻨﻲ زاﺋﯽ از ﭼﺎﻟﺶ های اﯾﻦ روش ﺑﻮده اﺳﺖ(185).
    2-20-1-ﭘﺎﯾﮕﺎه های داده ها (Databases)
    2-20-1-1- پایگاه های داده اﯾﻤﻮﻧﻮﻣﯿﮏ
    اﻣﺮوز داﻧﺶ ﺑﺸﺮ از ﭘﺎﺳﺦ های اﯾﻤﻨﯽ به اپی توپ هایﺳﻠﻮل های B و T به ﻃﻮر ﺷﮕﺮﻓﯽ در ﺣﺎل اﻓﺰاﯾﺶ اﺳﺖ. ﭘﺎﯾﮕﺎه های داده ﻣﺮﺑﻮط به اﻃلاﻋﺎت اپی توپ ها، اﺑﺰارهای ﺑﯿﻮاﻧﻔﻮرﻣﺎﺗﯿﮏ و اﻟﮕﻮرﯾﺘﻢ های ﭘﯿﺸﮕﻮﯾﯽ ﮐﻨﻨﺪه به درک ﺳﺎﺧﺘﺎر و ﺗﻮاﻟﯽ اپی توپ های آﻣﯿﻨﻮاﺳﯿﺪها ﮐﻤﮏ ﺷﺎﯾﺎﻧﯽ ﻣﯽ ﮐﻨﻨﺪ. اﯾﻦ داﻧﺶ جهت ﺗﺤﻘﯿﻘﺎت اﯾﻤﻨﯽ ﺷﻨﺎﺳﯽ، ﺗﺸﺨﯿﺺ و درﻣﺎن ﺑﯿﻤﺎری هایﻋﻔﻮﻧﯽ و ﺗﺤﻘﯿﻘﺎت واﮐﺴﻦ ﺷﻨﺎﺳﯽ ﻣﯽ ﺑﺎﺷﺪ(186). ﺑﺮای ﻣﺜﺎل: ﭘﺎﯾﮕﺎه اﻃلاﻋﺎﺗﯽ( (InnateDb http://www.innatedb.ca جهت فهم دﻗﯿﻖ و ﮐﺎﻣﻞ ﻣﺴﯿﺮ های شبکه ای و ﻣﯿﺎن ﮐﻨﺶ های ﭘﺎﺳﺦ های اﯾﻤﻨﯽ ذاﺗﯽ طراحی ﺷﺪه اﺳﺖ (187). اﯾﻦ ﭘﺎﯾﮕﺎه ﯾﮑﭙﺎرچه از ١٠٠٠٠٠ واﮐﻨﺶ از ﻣﻮﻟﮑﻮل های اﻧﺴﺎن و ﻣﻮش که به ﻃﻮر ﺗﺠﺮﺑﯽ ﺗﺎﺋﯿﺪ ﺷﺪه اﻧﺪ و ٢۵٠٠ ﻣﺴﯿﺮ دﺧﯿﻞ در اﯾﻤﻨﯽ ذاﺗﯽ را ﺷﺎﻣﻞ ﻣﯽ ﺷﻮد و نسخه ﺟﺪﯾﺪﺗﺮ آن Cerebral ﻧﺎﻣﯿﺪه ﻣﯽ ﺷﻮد (187).
    ﺗﻌﺎﻣﻞ ﺳﺎزﻧﺪه ای ﻣﯿﺎن رﺷﺪ مجموعه های ﭘﺎﯾﮕﺎه داده های ﻣﺮﺗﺒﻂ ﺑﺎ اﯾﻤﻮﻧﻮﻟﻮژی ﻧﻈﯿﺮ SWISS- ،PIR ،DDBJ/DAD ،EMBL/TrEMBL ،GenBank/GenPept PROSITE ،PDB ،PROT و ﻏﯿﺮه وﺟﻮد دارد که در اﯾﻦ ﻣﯿﺎن ﭘﺎﯾﮕﺎه داده IMGT ﮐﯿﻔﯿﺖ ﺑﺎلای ﺷﺮح ﻧﻮﯾﺴﯽ ﺗﻮاﻟﯽ DNA و ﭘﺮوﺗﺌﯿﻨﯽ TCR ،Ig و MHC ﻣﯽ ﺑﺎﺷﺪ. اﯾﻦ اﺑﺰارهای ﻣﺤﺎﺳﺒﺎﺗﯽ ﻣﻮﺟﺐ درک بهتر ﭘﺎﺳﺦ های اﯾﻤﻨﯽ و ﺗﮑﺎﻣﻞ ﺗﺪرﯾﺠﯽ ﭘﺎﺗﻮژن ﺗﺤﺖ ﻓﺸﺎر اﯾﻤﻨﯽ ﻣﯽ ﺷﻮﻧﺪ (181).
    جهت ﭘﯿﺸﺮﻓﺖ اﺑﺰارهای اﯾﻤﻮﻧﻮاﻧﻔﻮرﻣﺎﺗﯿﮏ، ﻧﯿﺎز به ﯾﮑﭙﺎرﭼﮑﯽ ﭘﺎﯾﮕﺎه های داده اﯾﻤﻮﻧﻮﻟﻮژﯾﮑﯽ و همکاری ﮔﺮوهی از ﺣﻮزه های ﻣﺨﺘﻠﻒ ﻋﻠﻤﯽ ﻣﯽ باشد و همچنین باید ﯾﮏ ﯾﮑﭙﺎرﭼﮕﯽ ﻣﯿﺎن ﺳﻄﺢ روش های رﯾﺎﺿﯿﺎﺗﯽ ﺑﺎ ﺳﻄﺢ روش های ﻣﻮﻟﮑﻮﻟﯽ ﺻﻮرت ﭘﺬﯾﺮد ﺗﺎ ﻣﻨﺠﺮ به ﮐﺎرﺑﺮی آن ها در زمینه هاﯾﯽ ﻧﻈﯿﺮ توسعه رژﯾﻢ های درﻣﺎﻧﯽ ﻧﻮﯾﻦ، ﻃﺮاﺣﯽ واﮐﺴﻦ و ﻣﺪﯾﺮﯾﺖ ﺑﯿﻤﺎری ها ﺷﻮد (181).
    2-20-1-2- ﭘﺎﯾﮕﺎه داده اپی توپ ها و ﺳﺎﺧﺘﺎرهای آﻧﺘﯽ ﺑﺎدی ﺑﺮای ﺳﻠﻮل B
    اپی توپ هایﺳﻠﻮل B ﺷﺎﺧﺺ های آﻧﺘﯽ ژﻧﯿﮏ هستند که در ﺳﻄﺢ ﭘﺎﺗﻮژن ها ﺑﻮده و ﺑﺎ ﭘﺬﯾﺮﻧﺪه ﺳﻠﻮل B واﮐﻨﺶ ﻣﯽ دهند. ﭘﺬﯾﺮﻧﺪه ﺳﻠﻮل (BCR) B اﺳﺎﺳﺎ هیدروفوبیک، ﺷﺎﻣﻞ ﺷﺶ ﻟﻮپ ﺑﺴﯿﺎر ﻣﺘﻐﯿﯿﺮ ﺑﺎ ﻃﻮل و ﺗﺮﮐﯿﺐ آﻣﯿﻨﻮاﺳﯿﺪی ﻣﺘﻨﻮع ﻣﯽ ﺑﺎﺷﺪ. اپی توپ های ﺳﻠﻮل B به ﻃﻮر ﺿﻤﻨﯽ ﺣﺎﻣﻞ اﻃلاﻋﺎﺗﯽ از آﻧﺘﯽ ژن ها و روش اﺗﺼﺎل آن ها هستند. ﺣﺪود ٩٠% از اپی توپ هایﺳﻠﻮل B، اپی توپ های ﻓﻀﺎﯾﯽ و ﻏﯿﺮ پیوسته هستند. در ﺟﺪول 2-4 فهرست پایگاه های ﺳﻠﻮل B و ﺷﺮﺣﯽ از ﻋﻤﻠﮑﺮد آن ها به ﻃﻮر خلاصه ذﮐﺮ ﺷﺪه اﺳﺖ. همچنین در ادامه ﺗﻌﺪادی از اﯾﻦ ﭘﺎﯾﮕﺎه ها ﻣﻮرد ﺑﺤﺚ ﻗﺮار گرفته اﻧﺪ (188).
    ﭘﺎﯾﮕﺎه Bcipep اﻃلاﻋﺎت ﺟﺎﻣﻌﯽ را در ﻣﻮرد اپی توپ های ﺳﻠﻮل B که به ﻃﻮر ﺗﺠﺮﺑﯽ ﺗﺎﺋﯿﺪ ﺷﺪه اﻧﺪ ﻓﺮاهم ﻧﻤﻮده و اﺑﺰارهاﯾﯽ را جهت نقشه ﯾﺎﺑﯽ اﯾﻦ اپی توپ ها در ﯾﮏ ﺗﻮاﻟﯽ آﻧﺘﯽ ژن در اﺧﺘﯿﺎر ﻣﯽ ﮔﺬارد. اﯾﻤﻨﯽ زاﯾﯽ ﯾﮏ ﭘﭙﺘﯿﺪ در Bcipep به سه ﺑﻌﺪ ﺗﻘﺴﯿﻢ ﻣﯽ ﺷﻮد: اپی توپ ﻏﺎﻟﺐ (Immunodominant)، اپی توپ اﯾﻤﻨﯽ زا و اپی توپ ﺧﻨﺜﯽ (ﻏﯿﺮ اﯾﻤﻮﻧﻮژﻧﯿﮏ). در اﯾﻦ ﭘﺎﯾﮕﺎه ﻣﯽ ﺗﻮان وسعت ﺟﺴﺘﺠﻮ را ﺑﺎ ﺗﻌﯿﯿﻦ ﻣﯿﺰان اﯾﻤﻮﻧﻮژﻧﺴﯿﺘه ﻣﺤﺪود ﮐﺮد (189). ﭘﺎﯾﮕﺎه Bcipep واﺟﺪ ﻣﺤﺪودﯾﺖ هاﯾﯽ اﺳﺖ که از ان جمله ﻣﯽ ﺗﻮان به این که ﺣﺎوی اپی توپ هایﻏﯿﺮ پیوسته ﻧﯿﺴﺖ و ﯾﺎ ﺷﺎﻣﻞ ﺗﻌﺪاد ﻣﺤﺪود از ﭘﭙﺘﯿﺪهای ﻣﻨﺤﺼﺮ به ﻓﺮد ﻣﯽ ﺑﺎﺷﺪ و نهایتا اﻃلاﻋﺎﺗﯽ در ﻣﻮرد ﭘﭙﺘﯿﺪهاﯾﯽ ارائه می دهد که تنها در ﺑﺮدارﻧﺪه آﻣﯿﻨﻮاﺳﯿﺪهای ﻃﺒﯿﻌﯽ ﻣﯽ ﺑﺎﺷﻨﺪ. ﭘﺎﯾﮕﺎه داده CED ﻣﯽ ﺗﻮاﻧﺪ جهت ارزﯾﺎﺑﯽ و بهبود روش های ﭘﯿﺸﮕﻮﯾﯽ اﭘﯽ ﺗﻮپ ﻣﻮﺟﻮد به ﮐﺎر گرفته ﺷﻮد (190).
    اﯾﻦ ﭘﺎﯾﮕﺎه مجموعه ای از اپی توپ هایﺳﻠﻮل B از ﻣﻘﺎلات، اپی توپ های ﻓﻀﺎﯾﯽ ﺗﻌﺮﯾﻒ ﺷﺪه به وسیله روش های اﻧﮑﺴﺎر اشعه اﯾﮑﺲ، رزوﻧﺎﻧﺲ ﻣﻐﻨﺎﻃﯿﺲ هسته ای، scanning mutagenesis، ﭘﭙﺘﯿﺪهای همپوﺷﺎن و ﻧﻤﺎﯾﺶ ﻓﺎژی ﻣﯽ ﺑﺎﺷﺪ. ﻟﺬا اﯾﻦ ﭘﺎﯾﮕﺎه اﻃلاﻋﺎت به ﺧﻮﺑﯽ شناخته ﺷﺪه ﻓﻀﺎﯾﯽ را نگهداری ﻣﯽ ﮐﻨﺪ. از ﺳﻮی دﯾﮕﺮ اﯾﻦ ﭘﺎﯾﮕﺎه اپی توپ های ﻓﻀﺎﯾﯽ را که به ﻃﻮر واﺿﺢ ﺗﻌﺮﯾﻒ ﻧﺸﺪه اﻧﺪ را ﺣﺬف ﮐﺮده و ﯾﺎ ﻧﻤﯽ ﭘﺬﯾﺮد و از اﯾﻦ رو اﯾﻦ ﭘﺎﯾﮕﺎه ﮐﻮﭼﮏ ﺑﺎﻗﯽ ﻣﺎﻧﺪه اﺳﺖ (191). Epitome ﺣﺎوی همه ﺳﺎﺧﺘﺎرهای ﮐﻤﭙﻠﮑﺲ آﻧﺘﯽ ژن- آﻧﺘﯽ ﺑﺎدی شناخته ﺷﺪه ﻣﯽ ﺑﺎﺷﺪ. همچنین اﺑﺰارهای ﻧﯿمه ﺧﻮدﮐﺎری در آن توسعه یافته اﺳﺖ که ﻣﯿﺎن ﮐﻨﺶ آﻧﺘﯽ ژﻧﯿﮏ را درون ﺳﺎﺧﺘﺎرهای ﮐﻤﭙﻠﮑﺲ آﻧﺘﯽ ژن- آﻧﺘﯽ ﺑﺎدی ﺷﻨﺎﺧﺘه ﺷﺪه، ﺷﻨﺎﺳﺎﯾﯽ ﻣﯽ ﮐﻨﺪ و اﯾﻦ ﻣﯿﺎن ﮐﻨﺶ ها درEpitome ذﺧﯿﺮه ﻣﯽ ﺷﻮﻧﺪ (191).
    ھﯿﭻ ﯾﮏ از ﺳﺎﯾﺮ پایگاه های داده ها ﻗﺎدر به ﺟﺎی دادن ﻧﻮاﺣﯽ ﺗﻌﯿﯿﻦ ﮐﻨﻨﺪه ﻣﮑﻤﻞ( complementary determining regions) ﯾﺎ ﺷﻨﺎﺳﺎﯾﯽ ﺑﺎﻗﯿﻤﺎﻧﺪهای آﻧﺘﯽ ژﻧﯿﮏ به ﻃﻮر ﺧﻮدﮐﺎر ﻧﯿﺴﺘﻨﺪ. ﭘﺎﯾﮕﺎه Epitome ﺳﺎﻟﯽ دو ﺑﺎر به دﻧﺒﺎل به روز ﺷﺪن ﺳﺮور Scop، به روز رﺳﺎﻧﯽ ﻣﯽ ﺷﻮد. اﮔﺮ Epitome و CED را ﺑﺎ هم ﻣﻘﺎیسه ﮐﻨﯿﻢ، ﻣﯽ فهمیم از ﻧﻈﺮ اﻧﺪازه ﻣﺸﺎبه ﺑﻮده و ﺗﻔﺎوت آن ها در ﻣﻨﺎﺑﻊ آن ها جهت ﺟﻤﻊ آوری اپی توپ هایﺳﻠﻮل B اﺳﺖ. ﭘﺎﯾﮕﺎه Epitome اﭘﯽ ﺗﻮپ های ﺳﻠﻮل B را تنها از ﺳﺎﺧﺘﺎرهای ﻣﻮﺟﻮد در ﺑﺎﻧﮏ اﻃلاﻋات ﭘﺮوﺗﺌﯿﻦ (Protein Data Bank (PDB اﺳﺘﺨﺮاج ﻣﯽ ﮐﻨﺪ و ﺷﺎﻣﻞ اﻃلاﻋﺎﺗﯽ از ﻧﻮاﺣﯽ ﺗﻌﯿﯿﻦ ﮐﻨﻨﺪه ﻣﮑﻤﻠﯽ اﺳﺖ. در ﻣﻘﺎﺑﻞ CED، اﻃلاﻋﺎﺗﺶ را از ﻣﻘﺎلات و روش هاﯾﯽ که در ﺑﺎلا ذﮐﺮ ﺷﺪ ﻣﯽ ﮔﯿﺮد. ﭼﻮن ﻣﻨﺎﺑﻊ آن ها ﻣﺘﻔﺎوت اﺳﺖ، بهتر اﺳﺖ هر ﻓﺮد از هردوی آن ها اﺳﺘﻔﺎده ﮐﻨﺪ ﺗﺎ به نتیجه دﻟﺨﻮاه ﻧﺰدﯾﮑﺘﺮ ﺷﻮد (192).
    ﺟﺪول2-4: ﭘﺎﯾﮕﺎه داده اپی توپ ها و ﺳﺎﺧﺘﺎرهای آﻧﺘﯽ ﺑﺎدی ﺑﺮای ﺳﻠﻮل B ﻣﺨﺘﻠﻒ (181،184،188).
    2-20-1-3- ﭘﺎﯾﮕﺎه داده اﭘﯽ ﺗﻮپ ﺳﻠﻮلT
    اپی توپ هایﺳﻠﻮلT به ﻃﻮر ﻏﺎﻟﺐ اﻓﯿﻨﯿﺘﯽ ﺑﺎلاﯾﯽ ﺑﺮای اﺗﺼﺎل به MHC ﻧﺪارﻧﺪ. ﭘﺎﺳﺦ ﻋﻤﻠﮑﺮدی ﺳﻠﻮل T ﻧﯿﺎزﻣﻨﺪ ﭘﭙﺘﯿﺪ ﻣﺘﺼﻞ ﺷﻮﻧﺪه به MHC و ﻣﯿﺎن ﮐﻨﺶ ﻣﻨﺎﺳﺐ ﻣﯿﺎن ﻟﯿﮕﺎﻧﺪ – ﭘﭙﺘﯿﺪ MHC ﺑﺎ ﯾﮏ ﭘﺬﯾﺮﻧﺪه ﺳﻠﻮل T (TCR) ﻣﯽ ﺑﺎﺷﺪ. جهت ﺗﻌﯿﯿﻦ اﭘﯽ ﺗﻮپ ﺳﻠﻮل T، ﻧﯿﺎز به اﻃلاﻋﺎت روﺷﻨﯽ از ﻧﺤﻮه اﺗﺼﺎل ﭘﭙﺘﯿﺪها به ﭘﺮوﺗﺌﯿﻦ درارﺗﺒﺎط ﺑﺎ اﻧﺘﻘﺎل (TAP) و MHCها جهت ﻣﺪل ﺳﺎزی اﯾﻦ ﻓﺮاﯾﻨﺪ ﻣﯽ ﺑﺎﺷﺪ. ﭘﺎﯾﮕﺎه داده SYFPEITHI واﺟﺪ اﻃلاﻋﺎﺗﯽ از ﻣﻮﺗﯿﻒ های ﻟﻨﮕﺮی MHC ﮐلاس I و II و اﺧﺘﺼﺎﺻﯿﺖ اﺗﺼﺎل ﻣﯽ ﺑﺎﺷﺪ (191). اﺳﺎس ﻣﻌﯿﺎرهای اﻣﺘﯿﺎز ﺑﻨﺪی اﯾﻦ ﭘﺎﯾﮕﺎه ﺑﺪﯾﻦ ﺻﻮرت اﺳﺖ که ﻣﻘﺎدﯾﺮ اﻣﺘﯿﺎز محاسبه ﺷﺪه ﺳﺒﺐ ﺗﻤﺎﯾﺰ ﻟﻨﮕﺮ، ﻟﻨﮕﺮ ﻓﺮﻋﯽ ﯾﺎ توالی های ﺗﺮﺟﯿﺤﯽ ﻣﯽ ﺷﻮد. ﭘﺎﯾﮕﺎه FRED ﺑﺎ روش های ﭘﺮدازش داده ﮐﺎر ﻣﯽ ﮐﻨﺪ. همچنین ﮐﺎراﯾﯽ روش های ﭘﯿﺸﮕﻮﯾﯽ را با در ﻧﻈﺮ ﮔﺮﻓﺘﻦ ارزشهای ﺗﺠﺮﺑﯽ مقایسه ﻣﯽ ﮐﻨﺪ. همچنین اﯾﻦ ﭘﺎﯾﮕﺎه ﺣﺎوی ﺗﻮاﻟﯽ های ﭘﻠﯽ ﻣﻮرف اﺳﺖ (191).
    ﭘﺎﯾﮕﺎه IMGT ﺣﺎوی مجموعه ای ﻣﻔﯿﺪ از اﯾﻤﻮﻧﻮﮔﻠﻮﺑﻮﻟﯿﻦ ها، ﭘﺬﯾﺮﻧﺪه هایﺳﻠﻮل T،MHC و ﭘﺮوﺗﺌﯿﻦ های ﺳﯿﺴﺘﻢ اﯾﻤﻨﯽ اﻧﺴﺎن و مهره داران ﻣﯽ ﺑﺎﺷﺪ. ﺧﻮد اﯾﻦ ﭘﺎﯾﮕﺎه واﺟﺪ ۵ زﯾﺮ ﭘﺎﯾﮕﺎه و ١۵ اﺑﺰار آﻧلاﯾﻦ جهت آﻧﺎﻟﯿﺰ ﺗﻮاﻟﯽ، ژﻧﻮم و ﺳﺎﺧﺘﺎر سه ﺑﻌﺪی ﻣﯽ ﺑﺎﺷﺪ. ﭘﺎﯾﮕﺎه IEDB با حمایت اﻧﺴﺘﯿﺘﻮ ﻣﻠﯽ آﻟﺮژی و ﺑﯿﻤﺎری های ﻋﻔﻮﻧﯽ آﻣﺮﯾﮑﺎ راه اندازی شده است و اﺑﺰارهای ﮔﻮﻧﺎﮔﻮﻧﯽ جهت ﭘﯿﺪا ﮐﺮدن اپی توپ های ﺳﻠﻮل B و T دارد (193).
    2-20-2-اﺑﺰارها و اﻟﮕﻮرﯾﺘﻢ های ﻣﺘﻨﻮع ﭘﯿﺸﮕﻮﯾﯽ
    ﮔﺎم مهم در ﭘﺎﺳﺦ اﯾﻤﻨﯽ اﮐﺘﺴﺎﺑﯽ، ﺷﻨﺎﺳﺎﯾﯽ آﻧﺘﯽ ژن به وسیله آﻧﺘﯽ ﺑﺎدی ها و ﺳﻠﻮل های T اﺳﺖ که ﺳﺒﺐ به راه اندازی ﻣﮑﺎﻧﯿﺴﻢ های دﻓﺎعی از بدن ﻣﯽ ﺷﻮد. از اﯾﻦ رو، ﺷﻨﺎﺳﺎﯾﯽ ﻣﮑﺎن های ﻣﻮرد اﺗﺼﺎل آﻧﺘﯽ ﺑﺎدی و ﺳﻠﻮل T (اپی توپ ها) در آﻧﺘﯽ ژن های ﭘﺮوﺗﺌﯿﻨﯽ در زﯾﺴﺖ ﭘﺰﺷﮑﯽ واﺟﺪ اهمیت ﺣﯿﺎﺗﯽ ﻣﯽ ﺑﺎﺷﺪ. راهکار های ﭘﯿﺸﮕﻮﯾﯽ آﻧﺘﯽ ژﻧﺴﯿﺘﯽ ﯾﺎ اﭘﯽ ﺗﻮپ را ﻣﯽ ﺗﻮان به ﺗﺮﺗﯿﺐ به ﺻﻮرت ﭘﯿﺸﮕﻮﯾﯽ ﻋﻨﺎﺻﺮ ﻣﺘﺼﻞ ﺷﻮﻧﺪه به TAP، ﭘﯿﺸﮕﻮﯾﯽ ﻧﻮاﺣﯽ ﺑﺮش ﭘﺮوﺗﺌﻮزوﻣﯽ، ﭘﯿﺸﮕﻮﯾﯽ ﻣﻨﺎﻃﻖ ﻣﺘﺼﻞ ﺷﻮﻧﺪ به MHC و ﭘﯿﺸﮕﻮﯾﯽ اپی توپ هایﺳﻠﻮل T و B انجام داد. به همین دﻟﯿﻞ ، ﭘﯿﺸﮕﻮﯾﯽ ﮐﻨﻨﺪها و پایگاه های اﭘﯽ ﺗﻮپ به وﺟﻮد آﻣﺪه اﻧﺪ که ﺑﺮ ﯾﮏ ﯾﺎ ﭼﻨﺪﯾﻦ مرحله از ﻓﺮاﯾﻨﺪ ﭼﻨﺪ مرحله ای ﺗﻮﻟﯿﺪ اﭘﯽ ﺗﻮپ ﺗﻤﺮﮐﺰ ﮐﺮده اﻧﺪ. روش های ﺗﺠﺮﺑﯽ در اﯾﻦ زمینه ﻣﺸﮑﻞ و زﻣﺎﻧﺒﺮ ﻣﯽ ﺑﺎﺷﻨﺪ. از اﯾﻦ رو ﭼﻨﺪﯾﻦ روش in silico توسعه و در جهت ﺷﻨﺎﺳﺎﯾﯽ اﭘﯽ ﺗﻮپ به ﮐﺎر گرفته ﺷﺪه اﻧﺪ. اﯾﻦ ابزارها در ﺑﺮﮔﯿﺮﻧﺪه روش های ﻣﺸﺘﻖ از ﻣﺎﺗﺮﯾﮑﺲ ها (matrix-driven methods)، ﯾﺎﻓﺘﻦ ﻣﻮﺗﯿﻒ های ﻣﺘﺼﻞ ﺷﻮﻧﺪه ﺳﺎﺧﺘﺎری، آﻧﺎﻟﯿﺰ ارﺗﺒﺎط ﻓﻌﺎﻟﯿﺖ-ﺳﺎﺧﺘﺎر QSAR، هومولوژی ﻣﺪﻟﯿﻨﮓ (homology modeling)، ﺑﻨﺪﮐﺸﯽ ﭘﺮوﺗﺌﯿﻨﯽ (protein threading)، ﺗﮑﻨﯿﮏ داﮐﯿﻨﮓ و ﻃﺮاﺣﯽ ﭼﻨﺪﯾﻦ اﻟﮕﻮرﯾﺘﻢ و اﺑﺰار ﯾﺎدﮔﯿﺮی ﻣﺎﺷﯿﻦ (Machine learning) اﺳﺖ (190). در گذشته، روش های محاسبه ای تنها ﻗﺎدر به ﺷﻨﺎﺳﺎﯾﯽ ﺧﺼﻮﺻﯿﺎت ﺗﻮاﻟﯽ ﺑﻮدﻧﺪ اﻣﺎ اﻟﮕﻮرﯾﺘﻢ ها و اﺑﺰارهای ﻧﻮﯾﻦ بهینه ﺷﺪه و ﻃﺮاﺣﯽ آن ها جهت اﻓﺰاﯾﺶ ﮐﺎراﯾﯽ ﻋﻤﻠﯿﺎت ﭘﯿﺸﮕﻮﯾﯽ ﺻﻮرت گرفته اﺳﺖ، البته مطالعه ﻣﺒﺘﻨﯽ ﺑﺮ آزﻣﻮن و ﺧﻄﺎ ﻧﺸﺎن داده که ﺗﺮﮐﯿﺐ ﻧﺘﺎﯾﺞ اﺑﺰار های ﻣﺨﺘﻠﻒ که از اﻟﮕﻮرﯾﺘﻢ های ﻣﺘﻔﺎوت اﺳﺘﻔﺎده ﻣﯽ ﮐﻨﻨﺪ ﻣﺜلا در ﻣﻮرد ﭘﯿﺸﮕﻮﯾﯽ ﻣﺘﺼﻞ ﺷﻮﻧﺪﮔﺎن به MHC ﮐلاس I ﻣﯿﺰان ﻧﺘﺎﯾﺞ دﻗﯿﻖ ﺗﺮی ﻧﺴﺒﺖ به اﺳﺘﻔﺎده آن ها به تنهایی ﻣﯽ دهد (190).
    2-20-2-1-ﭘﯿﺸﮕﻮﯾﯽ اپی توپ هایﺳﻠﻮل B
    اﯾﻤﻨﯽ ﺷﻨﺎﺳﺎن از ﻣﻮﻓﻘﯿﺖ های ﺑﯿﻮاﻧﻔﻮرﻣﺎﺗﯿﮏ که به ﮐﺎرﮔﯿﺮی ﺗﻮاﻟﯽ ژﻧﻮم اﻧﺴﺎن ﺣﺎﺻﻞ ﺷﺪه، الهام ﮔﺮﻓﺘﻨﺪ و به ﺳﻤﺖ اﻟﮕﻮرﯾﺘﻢ های ﻣﺸﺎبهی به ﻣﻨﻈﻮر ﺣﻞ ﻣﺸﮑلات ﭘﯿﺸﮕﻮﯾﯽ اپی توپ ها رهنمون ﺷﺪﻧﺪ. ﭘﯿﺸﮕﻮﯾﯽ اﭘﯽ توپهای پیوسته ﺳﻠﻮل B ﺑﺴﯿﺎر ﻣﺸﺎبه به ﭘﯿﺸﮕﻮﯾﯽ اﭘﯽ ﺗﻮپ ﺳﻠﻮل T اﺳﺖ که اﺳﺎﺳﺎ ﻣﺒﺘﻨﯽ ﺑﺮ ﺧﺼﻮﺻﯿﺎت و وﯾﮋﮔﯽ های آﻣﯿﻨﻮاﺳﯿﺪها، ﻧﻈﯿﺮ هیدروفیلیسیتی، ﺑﺎر اﻟﮑﺘﺮﯾﮑﯽ، ﻧﻮاﺣﯽ ﺳﻄﺤﯽ در ﻣﻌﺮض، ﺳﺎﺧﺘﺎر ﺛﺎﻧﻮیه و ﻏﯿﺮه اﺳﺖ اﻣﺎ ﭘﯿﺸﮕﻮﯾﯽ اپی توپ هایﻏﯿﺮ پیوسته و ﻓﻀﺎﯾﯽ ﻧﯿﺎز به ﺷﻨﺎﺧﺖ از ﺳﺎﺧﺘﺎر 3D ﮐﻤﭙﻠﮑﺲ Ag-Ab و ﺳﺎﯾﺮ ﻣﺴﺎﺋﻞ ﻧﯿﺰ دارد. ﺗﺠﺮﺑﯿﺎت ﭘﯿﺸﮕﻮﯾﯽ در ﻣﻮرد ﺳﻠﻮل هایB ﻋﻤﻮﻣﺎ ﺑﺮ ﻣﺒﻨﺎی اپی توپ های ﺧﻄﯽ اﺳﺖ و ﺑﺮای اپی توپ هایﺧﻄﯽ هم اﺑﺰارهای ﭘﯿﺸﮕﻮﯾﯽ ﮐﻨﻨﺪه ﺑﺮ ﻣﺒﻨﺎی ﺗﻮاﻟﯽ وﺟﻮد دارد و هم ﺑﺮ ﻣﺒﻨﺎی ﺳﺎﺧﺘﺎر، اﻣﺎ اﺑﺰارهای ﭘﯿﺸﮕﻮﯾﯽ ﮐﻨﻨﺪه ﺑﺮای اپی توپ هایﻏﯿﺮ پیوسته ﺳﻠﻮل B ﻣﺤﺪود ﻣﯽ ﺑﺎﺷﻨﺪ (190).
    ﺟﺪول 2-5:ﺗﻌﺪادی از اﺑﺰارهای ﻣﻮﺟﻮد جهتﭘﯿﺸﮕﻮﯾﯽ اپی توپ هایﺳﻠﻮل B (193).
    2-20-2-2-ﭘﯿﺸﮕﻮﯾﯽ اپی توپ هایﺳﻠﻮل B ﺑﺮ ﻣﺒﻨﺎی ﻣﯿﻞ ذاﺗﯽ آﻣﯿﻨﻮاﺳﯿﺪ
    ﯾﮑﯽ از اوﻟﯿﻦ و مهمترین ﻣﻘﺎلات ﺗﺎﺛﯿﺮ ﮔﺬار در ﻣﻮرد ﭘﯿﺸﮕﻮﯾﯽ اﭘﯽ ﺗﻮپ، مقاله ای ﺑﻮد که روش آن ﺑﺪﯾﻦ ﺻﻮرت ﺑﻮد که ﯾﮏ ﻣﻘﺪار(ﮐﻤﯿﺖ) ﻋﺪدی هیدروفیلیسیتی ﺑﺮای هر ٢٠ آﻣﯿﻨﻮاﺳﯿﺪ اﺻﻠﯽ ﭘﺮوﺗﺌﯿﻦ ﺳﺎز ﺗﻌﯿﯿﻦ ﻣﯽﮐﺮدﻧﺪ و ﻣﯿﺎﻧﮕﯿﻦ ﺣﺴﺎﺑﯽ هیدروفیلیسیتی ﺑﺮ روی ﭘﻨﺠﺮه ﻣﺘﻐﯿﯿﺮ ﭼﻨﺪﯾﻦ توالی در ﮔﺴﺘﺮه ﻃﻮل ﮐﻞ ﺗﻮاﻟﯽ زﻧﺠﯿﺮه ﭘﻠﯽ ﭘﭙﺘﯿﺪ ارزﯾﺎﺑﯽ ﻣﯽ ﺷﺪ و ﯾﮏ ﭘﺮوﻓﺎﯾﻞ ﺗﻮاﻟﯽ اﯾﺠﺎد ﻣﯽ نمود که قله ها ﻣﺮﺑﻮط به اپی توپ های ﻓﺮﺿﯽ ﺳﻠﻮل B ﻣﯽ ﺑﺎﺷﻨﺪ(194). روش ها ی ﺑﺴﯿﺎر ﻣﺘﻨﻮﻋﯽ اﺑﺪاع ﺷﺪه اﻧﺪ که از ﺟﺎﯾﮕﺰﯾﻦ هاﯾﯽ ﺑﺮای ﻣﻘﺎدﯾﺮ هیدروفیلیسیتی اﺻﻠﯽ و ﻧﻤﻮدار ﻣﯿﺎﻧﮕﯿﻦ اﺳﺘﻔﺎده ﻣﯽ ﮐﻨﻨﺪ (195). و به ﻧﻮﺑﺖ رهیافت های ﭘﯿﺸﮕﻮﯾﯽ ﺗﺮﮐﯿﺒﯽ را ﺑﺮاﺳﺎس ﺗﻮاﻓﻖ ﻣﺎﺑﯿﻦ ﭼﻨﺪﯾﻦ روش ﻣﺨﺘﻠﻒ را به ﮐﺎر ﻣﯽ ﮔﯿﺮﻧﺪ (196).
    این نوشته در آموزشی ارسال شده است. افزودن پیوند یکتا به علاقه‌مندی‌ها.