Pada saat kita telah mendapatkan sebuah sekuen protein gen tertentu pada virus dan kita ingin menggunakannya untuk desain vaksin, terlebih dahulu perlu kita lihat apakah pada sekuen protein tersebut terdapat epitop yang dapat dikenali oleh MHC kelas I dan II. Prediksi pengenalan MHC terhadap epitop tersebut diperlukan untuk memperkirakan apakah sekuen protein tersebut dapat memicu timbulnya respon imun.
Jika MHC kelas I dan II diprediksi dapat berikatan dengan peptida-peptida pada sekuen tersebut, maka kita dapat berharap MHC kelas I akan mempresentasikan peptida pada sel T CD8 dan MHC kelas II mempresentasikan peptida kepada sel T CD4. Selanjutnya sel CD8 berubah menjadi CTL untuk membunuh sel-sel yang terinfeksi virus, sedangkan sel T CD4 akan memperkuat respon imun sel-sel imun lainnya. Cara prediksi yang paling praktis adalah menggunakan bioinformatika.
Prediksi ikatan peptida ke molekul MHC kelas I
Jika MHC kelas I dan II diprediksi dapat berikatan dengan peptida-peptida pada sekuen tersebut, maka kita dapat berharap MHC kelas I akan mempresentasikan peptida pada sel T CD8 dan MHC kelas II mempresentasikan peptida kepada sel T CD4. Selanjutnya sel CD8 berubah menjadi CTL untuk membunuh sel-sel yang terinfeksi virus, sedangkan sel T CD4 akan memperkuat respon imun sel-sel imun lainnya. Cara prediksi yang paling praktis adalah menggunakan bioinformatika.
Prediksi ikatan peptida ke molekul MHC kelas I
Website
IEDB (Immuno epitope database analysis)
menyediakan layanan prediksi peptida yang berikatan dengan molekul MHC kelas I dan II.
Metode prediksi bisa dipilih dari beberapa pilihan yang tersedia, yaitu
Artificial neural network (ANN), Average relative binding (ARB), Stabilized matrix method (SMM), SMM with a peptide: MHC binding energy covariance matrix
(SMMPMBEC), Scoring matrices derived from combinatorial peptide libraries
(Comblib_Sydney2008), Consensus dan NetMHCpan. 1
Metode
prediksi bawaan (default) pada situs itu adalah IEDB recommended yang didasarkan pada
ketersediaan prediktor dan kinerja prediksi sebelumnya. Metode ini mengusahakan
untuk menggunakan metode terbaik yang bisa digunakan untuk prediksi molekul
MHC. 1
IEDB recommended akan memprioritaskan penggunaan metode konsensus yang
terdiri atas NetMHC, SMM dan ComLib. Bila konsensus tersebut tidak memungkinkan
maka digunakan NetMHCpan. Urutan kinerja metode prediksi adalah sebagai
berikut: Consensus > NetMHC >SMM > NetMHCpan > Comblib. Saat ini IEDB sedang melakukan studi skala
besar untuk melihat kinerja metode prediksi, sehingga urutan tersebut bisa saja
berubah bila ditemukan data baru. 1
Sebuah
studi yang membandingkan metode prediksi epitop antara ANN, SVR, SMM dan ARB
mendapatkan hasil metode ANN sebagai metode yang terbaik diantara 4 model
prediksi. Peringkat selanjutnya adalah metode SVR model, kemudian disusul
metode SMM dan ARB.2
Prediksi ikatan peptida ke molekul MHC kelas II
Prediksi ikatan peptida ke molekul MHC kelas II
Website
IEDB Analysis Resource menyediakan akses untuk memprediksi binding peptida ke
molekul MHC kelas II. Metode prediksi bisa kita pilih diantara pilihan berikut 1:
- Metode rekomendasi IEDB yaitu metode yang melibatkan IEDB untuk menentukan metode penentuan epitop binding berdasarkan data yang dimiliki IEDB.
- Metode konsensus yang merupakan kombinasi dari beberapa metode, yaitu kombinasi NN-align, SMM-align dan Comblib bila terdapat predictor yang bisa dipakai bersama oleh metode-metode tersebut.
- Average relative binding (ARB)
- Combinational library (sedang tahap dalam persiapan manuscript)
- NN-align (netMHCII-2.2)
- SMM-align (netMHCII-1.1)
- Sturniolo
- NetMHCIIpan
Metode
yang direkomendasikan IEDB (IEDB recommended) berdasarkan pada ketersediaan
prediktor dan hasil observasi kinerja yang terdahulu. Metode tersebut merupakan
metode yang terbaik untuk molekul MHC alami. Pemilihan metode oleh IEDB memprioritaskan
pendekatan konsensus dengan mengkombinasikan NN-align, SMM-align dan Comlib
jika tersedia prediktor yang sama untuk ketiga metode tersebut. Bila tidak ada
maka digunakan metode NetMHCIIpan.1
Urutan
kinerja prediksi binding MHC-II adalah sebagai berikut dari yang tertinggi ke
yang terendah: Consensus > NetMHCIIpan > NN-align > SMM-align >
Comlib. Urutan kinerja tersebut
didasarkan dua evaluasi skala besar terhadap prediksi binding MHC kelas II,
yaitu studi tahun 2008 yang meneliti 10.000 afinitas binding dan studi tahun
2010 yang meneliti 40.000 afinitas binding. Metode yang direkomendasikan IEDB
bisa saja berubah jika data dari penelitian dengan skala lebih besar yang
sedang dilakukan IEDB memberi hasil kualitas prdiksi yang berbeda. 1
Prediksi
yang dilakukan IEDB terbatas pada
alel-alel yang sudah terdaftar pada metode prediksi yang dipilih.
Beberapa alel hanya terdaftar pada metode prediksi tertentu, tidak ada pada
metode prediksi yang lain. Terdapat juga alel-alel MHC kelas II yang belum
terdaftar pada IEDB. 1
Hasil
prediksi untuk ARB, combinatorial library dan SMM-align berupa angka dengan
satuan IC50nM. Angka yang lebih kecil menunjukkan afinitas yang lebih besar.
Hasil prediksi secara garis besar dapat digolongkan dalam tiga kelompok, yaitu
peptida < 50 nM adalah peptida berafinitas tinggi; peptida < 500 nM
berfinitas intermediet; dan peptida < 5000 nM adalah peptida berfinitas
rendah. Hasil prediksi Sturniolo berbentuk skor atau nilai. Nilai yang makin
tinggi menunjukkan afinitas yang lebih tinggi juga. 1
Pada
hasil prediksi dari empat metode (ARB, combinatorial library, SMM_align dan
Sturniolo) dicantumkan juga ranking percentile (percentile rank) yang merupakan
hasil pembandingan skore peptida dengan skor 5 juta random 15 mers yang
diseleksi dari database SWISSPROT. Nilai percentile rank yang rendah menujukkan
afinitas yang tinggi. Nilai median dari percentile rank keempat metode tersebut
akan dijadikan dasar membuat rangking metode konsensus.1
Metode
NetMHCIIpan dipergunakan bila konsensus dan metode lain seperti SMM-align,
NN-align, COMLIB maupun Sturniolo tidak tersdia untul alel yang dikehendaki.
Namun bila hanya satu atau dua metode yang bisa digunakan maka NetMHCIIpan akan
digunakan sebagai metode yang kedua atau ketiga.1
- You L., Zhang P., Boden M., Brusic P., 2007, Understanding Prediction Systems for HLA-Binding Peptides and T-cell Epitope Identification, Proceedings of the 2nd IAPR international conference on Pattern recognition in bioinformatics. Springer-Verlag Berlin, Heidelberg
- Immuno Epitope Database Analysis, http://tools.immuneepitope.org/analyze/html_mhcibinding20090901B/tutorial_mhc_I_binding.html#Method, 4 Desember 2012
0 komentar:
Post a Comment