Для воздушного флота любой страны система распознавания «свой-чужой» — предмет государственной тайны. Принцип узнавания чужеродного материала в нашем организме — наоборот, проблема интернациональная, над решением которой бьются иммунологи всех стран. Именно благодаря успехам в этой области медицине удалось продвинуться в трансплантации органов и тканей.
Те же механизмы лежат в основе распознавания бактерий, вирусов и простейших, ежесекундно атакующих наш организм. Иммунокомпетентные клетки считывают лишь «штрихкод» — короткую последовательность в составе одного из сотен «вражеских» белков. Причём в большинстве случаев одну и ту же бактерию каждый организм будет распознавать по-разному.
Датские и американские иммунологи вместе со специалистами по биоинформатике научились предсказывать, какие именно участки чужеродных белков будут анализировать наши лимфоциты.
В пределах МНС (major histocompatibility complex) локализованы гены, контролирующие главные трансплантационные антигены и гены, определяющие интенсивность иммунного ответа на тот или иной конкретный антиген, - так называемые Ir-гены (immune response). Молекулы МНС имеются на поверхности клеток всех высших позвоночных. Впервые они были найдены у мышей и названы антигенами Н2 (histocompatibility-2). У человека они носят название HLA (лейкоцитарных, human leucocyte-associated), так как были первоначально обнаружены на лейкоцитах.
Существует два основных класса молекул МНС, каждый из которых представляет собой набор гликопротеинов клеточной поверхности. Молекулы МНС класса I экспрессируются практически на всех клетках, молекулы класса II — на клетках, участвующих в иммунных ответах (лимфоцитах, макрофагах). Молекулы класса I узнаются цитотоксическими Т-клетками (киллерами), которые должны взаимодействовать с любой клеткой организма, оказавшейся зараженной вирусом, тогда как молекулы класса II узнаются Т-хелперами (Тх), которые взаимодействуют в основном с другими клетками, участвующими в иммунных ответах, такими как В-лимфоциты и макрофаги (антигенпредставляющие клетки).
Согласно клонально-селекционной теории иммунитета, в организме существуют многочисленные группы (клоны) лимфоцитов, генетически запрограммированные реагировать на один или несколько антигенов. Поэтому каждый конкретный антиген оказывает избирательное действие, стимулируя только те лимфоциты, которые имеют сродство к его поверхностным детерминантам.
При первой встрече с антигеном (т.н. первичный ответ) лимфоциты стимулируются и подвергаются трансформации в бластные формы, которые способны к пролиферации и дифференцировке в иммуноциты. В результате пролиферации увеличивается число лимфоцитов соответствующего клона, «узнавших» антиген. Дифференцировка приводит к появлению двух типов клеток — эффекторных и клеток памяти. Эффекторные клетки непосредственно участвуют в ликвидации или обезвреживании чужеродного материала. К эффекторным клеткам относятся активированные лимфоциты и плазматические клетки. Клетки памяти — это лимфоциты, возвращающиеся в неактивное состояние, но несущие информацию (память) о встрече с конкретным антигеном. При повторном введении данного антигена они способны обеспечивать быстрый иммунный ответ большей интенсивности (т.н. вторичный ответ) вследствие усиленной пролиферации лимфоцитов и образования иммуноцитов.
В зависимости от механизма уничтожения антигена различают клеточный иммунитет и гуморальный иммунитет.
При клеточном иммунитете эффекторными клетками являются цитотоксические Т-лимфоциты, или лимфоциты-киллеры (убийцы). Они непосредственно участвуют в уничтожении чужеродных клеток других органов или патологических собственных (например, опухолевых) клеток, и выделяют литические вещества. Такая реакция лежит в основе отторжения чужеродных тканей в условиях трансплантации или при действии на кожу химических (сенсибилизирующих) веществ, вызывающих повышенную чувствительность (т.н. гиперчувствительность замедленного типа) и другие реакции.
При гуморальном иммунитете эффекторными клетками являются плазматические клетки, которые синтезируют и выделяют в кровь антитела.
MHC 1 класса в своем составе несут информацию о внутриклеточном материале: из каждой «партии» вновь синтезированных белков один расщепляется на короткие цепочки и выводится на поверхность. В том случае, если эта последовательность присутствует в «черном списке» нашей иммунной системы, то клетка уничтожается. Таким образом организм избавляется от вирусов и злокачественных опухолей.
MHC 2 класса находятся только на поверхности лимфоцитов и антиген-презентирующих клеток. Будучи «санитарами» нашего организма, последние ежесекундно поглощают сотни разнообразных белков и даже целые клетки и бактерии. А дальше всё идет по описанному сценарию — белки разрезаются и поступают на поверхность клетки. Но уже с другой целью. В данном случае этот фрагмент белка станет ключевым для активации иммунной системы, а точнее — нескольких клеток, сразу же начинающих делиться.
Каждая отдельная клетка, в данном случае Т-хелпер, отвечает лишь за один антиген — это определяется с момента её появления. Но за счет большого количества клеток в организме всегда найдется хоть один лимфоцит, специфичный к данному конкретному антигену. Как только он встречается со своим антигеном, то запускается реакция деления, в результате которой образуются полностью идентичные, а значит и способные распознавать и уничтожать тот же самый антиген клетки. Само собой, ещё в детстве специфичные к антигенам самого организма клетки уничтожаются, чтобы не допустить аутоиммунных реакций.
Несмотря на то, что практически все мы успешно справляемся с кишечной палочкой или не очень агрессивным стафилококком, у каждого человека это происходит по-разному: в зависимости от строения комплекса MHC 2 класса, связываемая с ним, а потом и представляемая потенциально чужеродная цепочка аминокислот будет отличаться. Всего вариантов MHC 2 класса несколько тысяч, соответственно, разнообразие возможных «штрихкодов» в человеческой популяции неизмеримо больше. Именно благодаря такому разнообразию не может появиться «супербактерия», способная обмануть сразу все иммунные клетки и уничтожить всё человечество разом.
Мортен Нильсен из Копенгагенского университета и его коллеги, опубликовавшие свою работу в PLoS Computational Biology, нашли способ предсказывать эти «коды».
Их метод позволяет узнать, какой именно участок потенциально чужеродного белка войдёт в состав «штрихкода». Для этого достаточно знать набор генов MHC данного человека и последовательность аминокислот интересующего нас белка.
Кроме последовательности аминокислот полипептида (первичной структуры), крайне важна трёхмерная структура белка, которая формируется в процессе сворачивания (фолдинга). Трёхмерная структура формируется в результате взаимодействия структур более низких уровней. Выделяют четыре уровня структуры белка:
Первичная структура — последовательность аминокислот в полипептидной цепи. Важными особенностями первичной структуры являются консервативные мотивы — сочетания аминокислот, важных для функции белка. Консервативные мотивы сохраняются в процессе эволюции видов, по ним можно предсказать функцию неизвестного белка.
Вторичная структура — локальное упорядочивание фрагмента полипептидной цепи, стабилизированное водородными связями и гидрофобными взаимодействиями. Пример вторичной структуры — α-спирали (плотные витки вокруг длинной оси молекулы) и β-листы (складчатые слои).
Третичная структура — пространственное строение полипептидной цепи — взаимное расположение элементов вторичной структуры, стабилизированное взаимодействием между боковыми цепями аминокислотных остатков. В стабилизации третичной структуры принимают участие ковалентные связи (между двумя цистеинами — дисульфидные мостики); ионные (электростатические) взаимодействия (между противоположно заряженными аминокислотными остатками); водородные связи и гидрофобные взаимодействия.
Для некоторых белков характерна и четверичная структура — взаимное расположение нескольких полипептидных цепей в составе единого белкового комплекса.
Дело в том, что каждый белок нашего организма имеет несколько форм существования — структур. Первичная структура — это простая цепочка; вторичная и третичная обеспечивают «объемность» белков, а кроме того, «выставляют наружу» активные центры. Современные модели позволяют «восстанавливать» третичную структуру по последовательности аминокислот, а благодаря знанию генетического кода — даже по отдельным генам.
Знание всех сил притяжения и отталкивания в молекулярном мире позволяет предсказывать взаимодействие разнообразных веществ, в данном случае — рецепторов и пептидов.
или искусственные нейронные сети – модель устройства для решения задач оптимизации. Изначально возникла, как модель нейронной сети реального головного мозга, и оказалась очень удобна для решения широкого круга задач. Важнейшим свойством нейронной сети является её обучаемость, при этом обучение проводится «втёмную», посредством минимизации ошибки сети при её применении к входным данным, для которых выходной сигнал известен.
Нейронная сеть представляет собой набор элементарных процессоров («нейронов»), каждый из которых может получать, преобразовывать и передавать сигналы; при этом количество входов и выходов принципиального значения с математической точки зрения не имеет, так как «сложный» процессор может быть представлен как набор «простых». Как правило, отдельные нейроны выбираются способными к нелинейной обработке входных сигналов, так как линейные задачи такого рода могут быть решены точно. Элементарные процессоры, узлы сети, объединяются друг с другом настраиваемыми связями, обеспечивающими передачу выходов одних узлов сети на входы других. Кроме того, у сети в целом есть набор выходов и входов.
Обучение сети как раз и состоит в настройке необходимых коэффициентов передачи связей и, для некоторых моделей, топологии сети и свойств её узлов. При каждом акте обучения на вход сети подаются входные данные, и коэффициенты передачи пытаются подобрать таким способом, чтобы её выходные данные были как можно ближе к известному ответу. Уменьшение отклонения выхода от известных ответов с каждым последующим актом обучения и интерпретируется, как способность нейронной сети к обобщению, дающую надежду, что она сможет «сама» дать близкий к правильному ответ при подаче на её вход данных с неизвестным заранее ответом. Разумеется, число настраиваемых параметров должно выбираться в соответствии с количеством связей, наложенных известными («обучающими») входными данными; первое не может быть больше последнего.
Использование нейронных сетей распространено в вопросах искусственного интеллекта, распознавания изображений, решения сложных прогностических задач и тестирования моделей мозговых структур человека и животных.
Если учесть, что все варианты кодирующих MHC генов известны, и исследование MHC-генотипа — рутинная процедура для клинической лаборатории, то методу Нильсена, получившему название NetMHCIIpan, в скором времени найдётся и практическое применение. Зная строение белков бактерий, вирусов и опухолей, можно будет детализировать процесс иммунного ответа, узнать, как разные люди реагируют на один и тот же антиген, и за счёт этого «индивидуализировать» лечение, в частности — разнообразные вакцины и иммуностимуляторы.
