Immunomics

Studi tentang pengaturan sistem kekebalan tubuh dan respons terhadap patogen menggunakan pendekatan genom-lebar. Dengan munculnya teknologi genomik dan proteomik, para ilmuwan telah mampu memvisualisasikan jaringan biologis dan menyimpulkan hubungan timbal balik antara gen dan / atau protein; Baru-baru ini, teknologi ini telah digunakan untuk membantu lebih memahami bagaimana fungsi sistem kekebalan tubuh dan bagaimana itu diatur. Dua pertiga genom aktif dalam satu atau lebih tipe sel imun dan kurang dari 1% gen diekspresikan secara unik dalam tipe sel tertentu. Oleh karena itu, sangat penting bahwa pola-pola ekspresi dari tipe-tipe sel imun ini diuraikan dalam konteks suatu jaringan, dan bukan sebagai individu, sehingga peran-peran mereka dikarakterisasi dengan benar dan terkait satu sama lain. Cacat sistem kekebalan tubuh seperti penyakit autoimun, defisiensi imun, dan keganasan bisa mendapat manfaat dari wawasan genomik pada proses patologis. Misalnya, menganalisis variasi sistematis ekspresi gen dapat menghubungkan pola-pola ini dengan penyakit spesifik dan jaringan gen yang penting untuk fungsi kekebalan tubuh.

Secara tradisional, para ilmuwan yang mempelajari sistem kekebalan harus mencari antigen secara individual dan mengidentifikasi urutan protein antigen-antigen ini (“epitop”) yang akan merangsang respons imun. Prosedur ini mengharuskan antigen diisolasi dari seluruh sel, dicerna menjadi fragmen yang lebih kecil, dan diuji terhadap sel T dan B untuk mengamati respons sel T dan B. Pendekatan klasik ini hanya dapat memvisualisasikan sistem ini sebagai kondisi statis dan membutuhkan banyak waktu dan tenaga.

Immunomics telah membuat pendekatan ini lebih mudah dengan kemampuannya untuk melihat sistem kekebalan tubuh secara keseluruhan dan mencirikannya sebagai model yang dinamis. Ini telah mengungkapkan bahwa beberapa fitur sistem kekebalan yang paling menonjol adalah motilitas yang terus-menerus, pergantian, dan plastisitas sel-sel penyusunnya. Selain itu, teknologi genomik saat ini, seperti microarray, dapat menangkap ekspresi gen sistem kekebalan dari waktu ke waktu dan dapat melacak interaksi mikroorganisme dengan sel-sel dari sistem kekebalan tubuh bawaan. Pendekatan proteomik baru, termasuk pemetaan sel-T dan B-sel-epitop, juga dapat mempercepat langkah di mana para ilmuwan menemukan hubungan antibodi-antigen.

Sistem kekebalan inang merespons invasi patogen dengan serangkaian respons spesifik patogen tempat banyak “pemain” berpartisipasi; ini termasuk antibodi, sel T-helper, sel T sitotoksik, dan banyak lainnya. Sel antigen-presenting (APC) mampu menginternalisasi patogen dan menampilkan fragmen antigen – epitop – dengan kompleks histokompatibilitas utama (MHC) pada permukaan sel. Respons sel-T dimulai ketika sel-T mengenali epitop yang ditampilkan ini. Hanya sekuens peptida spesifik dari beberapa antigen spesifik patogen yang diperlukan untuk merangsang respons sel T dan B; yaitu, seluruh urutan peptida patogen tidak diperlukan untuk memulai respons imun. ‘Imunoma’ patogen dijelaskan oleh set epitop-nya, dan dapat didefinisikan dengan membandingkan urutan genom dan menerapkan alat imunoinformatik.

Advertisements

Alizadeh et al. adalah beberapa orang pertama yang mengenali potensi microarrays cDNA untuk menentukan ekspresi gen sel imun. Analisis mereka menyelidiki ekspresi gen limfosit B dan T manusia selama aktivasi seluler dan / atau stimulasi dengan sitokin, sejenis molekul pengatur sinyal. Banyak gen yang diaktifkan dalam limfosit T terangsang diketahui terlibat dalam transisi siklus sel G0 / G1 atau pengkodean untuk kemokin, menandakan molekul yang terlibat dalam respon inflamasi. Tim ini juga mampu memvisualisasikan pola temporal ekspresi gen selama mitogenesis sel T. Dalam paragraf kesimpulan dari makalah penting mereka, para ilmuwan ini menyatakan “hampir setiap sudut penelitian imunologi akan mendapat manfaat dari analisis microarray cDNA ekspresi gen,” dan, dengan demikian, mengabarkan peningkatan imunomik.

Terbatas oleh mikroarray yang tersedia dan genom manusia yang tidak lengkap pada titik waktu ini, serangkaian peneliti yang sama ini termotivasi untuk membuat microarray khusus yang berfokus pada gen yang diekspresikan secara khusus dalam tipe sel tertentu, atau diketahui secara fungsional penting dalam suatu pemberian proses biologis. Sebagai hasilnya, mereka mendesain microarray “Lymphochip” cDNA, yang berisi 13.000 gen dan diperkaya untuk gen-gen yang penting bagi sistem kekebalan tubuh.

Artikel Iyer dll 1999 adalah yang lain untuk mengungkapkan pentingnya menerapkan teknologi genom untuk penelitian imunologi. Meskipun tidak berniat untuk mengatasi aspek kekebalan pada awal percobaan mereka, para peneliti mengamati bahwa profil ekspresi fibroblast yang distimulasi serum jauh lebih kaya daripada yang diperkirakan dan menyarankan peran fisiologis penting untuk fibroblast dalam penyembuhan luka. Gen yang diinduksi serum telah dikaitkan dengan proses yang relevan dengan penyembuhan luka, termasuk gen yang terlibat langsung dalam pembentukan kembali bekuan darah dan matriks ekstraseluler, serta gen yang mengkode protein sinyal untuk peradangan, pengembangan pembuluh darah baru, dan pertumbuhan kembali jaringan epitel. Selain itu, salah satu hasil paling signifikan dari analisis ekspresi ini adalah penemuan lebih dari 200 gen yang sebelumnya tidak diketahui yang ekspresinya diatur sementara selama respon fibroblas terhadap serum. Hasil ini mengungkapkan pentingnya melihat respon imun sebagai program fisiologis kolaboratif dan memohon untuk studi lebih lanjut dari sistem kekebalan tubuh sebagai jaringan, dan bukan hanya sebagai bagian individu.

 

Pada tahun 2006, Moutaftsi et al. menunjukkan bahwa alat pemetaan epitop secara akurat dapat mengidentifikasi epitop yang bertanggung jawab atas 95% respons sel T murine terhadap virus vaccinia. Melalui karya mereka, para ilmuwan ini memperkenalkan bidang interdisipliner informatika dan imunologi sambil menggunakan data genomik, proteomik, dan imunologi. Keberhasilan yang mencolok dan mudahnya metode ini mendorong para peneliti untuk mendefinisikan imunom patogen lain, dan untuk mengukur luas dan tumpang tindih imunom patogen yang menimbulkan kekebalan. Selain itu, ia menyarankan aplikasi lain di mana alat pemetaan epitop dapat digunakan termasuk autoimunitas, transplantasi, dan imunogenisitas.

Teknologi yang digunakan

Mikroarray imunomik

Beberapa jenis mikroarray telah diciptakan untuk secara khusus mengamati respons dan interaksi sistem kekebalan tubuh. Mikroarray antibodi menggunakan antibodi sebagai probe dan antigen sebagai target. Mereka dapat digunakan untuk secara langsung mengukur konsentrasi antigen yang spesifik untuk pemeriksaan antibodi. Mikroarray peptida menggunakan peptida antigen sebagai probe dan antibodi serum sebagai target. Ini dapat digunakan untuk aplikasi imunomik fungsional untuk memahami penyakit autoimun dan alergi, definisi epitop sel B, studi vaksin, tes deteksi, dan analisis spesifisitas antibodi. Mikroarray MHC adalah pengembangan terbaru dalam susunan imunomik dan menggunakan kompleks peptida-MHC dan molekul co-stimulator mereka sebagai probe dan populasi sel T sebagai target. Sel T yang terikat diaktifkan dan mengeluarkan sitokin, yang ditangkap oleh antibodi deteksi spesifik. Microarray ini dapat memetakan epitop sel T MHC-dibatasi.

Lymphochip

The Lymphochip: Mikroarray cDNA khusus
Lymphochip adalah microarray cDNA khusus manusia yang diperkaya untuk gen yang berkaitan dengan fungsi kekebalan tubuh. 17.853 klon cDNA diambil dari tiga sumber. Seperangkat klon pertama dipilih jika tag urutan terekspresikan yang diidentifikasi (EST) adalah unik atau diperkaya secara khusus dalam pustaka cDNA limfoid; ini mewakili ~ 80% dari klon Lymphochip. Set klon kedua diidentifikasi selama analisis microarray generasi pertama dari respon imun. Akhirnya, 3.183 gen yang diketahui atau diduga memiliki peran dalam fungsi kekebalan, onkogenesis, apoptosis, proliferasi sel, atau menjadi kerangka bacaan terbuka dari virus manusia patogen digunakan pada Lymphochip. Gen baru sering ditambahkan.

Alat pemetaan sel-dan-sel-B-epitop

Pemetaan epitop mengidentifikasi situs-situs antibodi yang terikat oleh antigen target mereka. Di masa lalu, para ilmuwan harus mengisolasi antigen, mencernanya menjadi fragmen yang lebih kecil, dan menentukan fragmen mana yang merangsang respon sel T dan B untuk menentukan epitop antibodi. Immunomics memanfaatkan kekuatan bioinformatika dan menawarkan algoritma pemetaan yang mempercepat penemuan urutan epitop. Algoritma ini relevan untuk desain vaksin dan untuk mengkarakterisasi dan memodifikasi respon imun dalam konteks autoimunitas, endokrinologi, alergi, transplantasi, diagnostik dan rekayasa protein terapeutik.

Algoritma pemetaan epitop sel-B dan sel dapat menghitung secara komputasi epitop berdasarkan urutan genom patogen, tanpa pengetahuan sebelumnya tentang struktur atau fungsi protein. Serangkaian langkah digunakan untuk mengidentifikasi epitop:
1. Perbandingan antara organisme yang virulen dan avirulent mengidentifikasi gen kandidat yang mengkode epitop yang mencari respons sel-T dengan mencari urutan yang unik untuk strain yang virulen. Selain itu, teknologi microarray diferensial dapat menemukan gen spesifik patogen yang diregulasi selama interaksi host dan mungkin relevan untuk analisis karena mereka sangat penting untuk fungsi patogen.
2.Immunoinformatika memprediksi wilayah gen kandidat ini yang berinteraksi dengan sel T dengan memindai sekuens protein turunan genom.
3. Peptida yang diprediksi disintesis dan digunakan dalam skrining in vitro terhadap sel T Mengenali respons imun positif dapat memberi kesan bahwa peptida ini mengandung epitop yang merangsang respons imun saat mengalami infeksi atau penyakit alami.

Alat pemetaan yang tersedia
EpiMatrix
TEPITOPE
Berlipat ganda
Thread MHC
MHCPred
NetMHC
LpPep
BIMAS

Pewarnaan tetramer dengan flow cytometry

Prinsip penuntun di balik flow cytometry adalah bahwa sel atau partikel subselular ditandai dengan probe fluoresens yang dilewatkan melalui sinar laser dan diurutkan berdasarkan kekuatan fluoresensi yang dipancarkan oleh sel yang terkandung dalam tetesan. MHC [[pewarnaan tetramer]] oleh flow cytometry mengidentifikasi dan mengisolasi sel T spesifik berdasarkan spesifisitas pengikatan reseptor permukaan sel mereka dengan kompleks MHC-peptide yang ditandai secara fluoresensi. [9]

ELISPOT

ELISPOT adalah versi modifikasi dari ELISA immunoassay dan merupakan metode umum untuk memantau respons imun.

Kontribusi untuk memahami sistem kekebalan tubuh

Immunomics telah membuat dampak besar pada pemahaman sistem kekebalan tubuh dengan mengungkap perbedaan dalam profil ekspresi gen dari tipe sel, mencirikan respon imun, menerangi garis keturunan dan hubungan sel imun, dan membangun jaringan pengatur gen. Sementara daftar kontribusi berikut ini tidak lengkap, ini dimaksudkan untuk menunjukkan aplikasi luas penelitian imunomik dan konsekuensi kuat pada imunologi.

Aktivasi dan diferensiasi sel imun

B alergi limfosit

Microarrays telah menemukan pola ekspresi gen yang berkorelasi dengan aktivasi atau anergi yang diinduksi antigen dalam limfosit B. Jalur alergi limfosit melibatkan induksi beberapa, tetapi tidak semua jalur pensinyalan digunakan selama aktivasi limfosit. Misalnya, jalur kinase NFAT dan MAPK / ERK diekspresikan dalam garis sel anergik (atau “toleran), sedangkan jalur kinase terminal-NF-kB dan c-Jun N-terminal tidak. Dari 300 gen yang diubah dalam ekspresi setelah sel B naif yang distimulasi antigen, hanya 8 dari gen ini yang diatur dalam sel B toleran. Memahami jalur “toleransi” ini memiliki implikasi penting untuk merancang obat imunosupresif. Tanda tangan ekspresi gen sel B toleran ini dapat digunakan selama skrining obat untuk menyelidiki senyawa yang meniru efek fungsional dari toleransi alami.

Diferensiasi limfosit

Profil ekspresi gen selama diferensiasi limfosit manusia telah mengikuti sel B yang matang dan naif dari keadaan istirahatnya melalui reaksi pusat germinal dan menuju diferensiasi terminal. Studi-studi ini telah menunjukkan bahwa sel B pusat germinal mewakili tahap yang berbeda dalam diferensiasi karena profil ekspresi gen berbeda dari sel B perifer aktif. Meskipun tidak ada sistem kultur in vitro yang mampu menginduksi sel B perifer yang beristirahat untuk mengadopsi fenotip pusat germinal penuh, profil ekspresi gen ini dapat digunakan untuk mengukur keberhasilan kultur in vitro dalam meniru kondisi pusat germinal saat mereka sedang dikembangkan.

Keganasan limfoid

Sekitar 9 dari setiap 10 kanker limfoid manusia berasal dari sel B. Pola ekspresi imunome-wide yang berbeda dalam sejumlah besar limfoma sel besar difus (DLCL) – bentuk paling umum dari limfoma non-Hodgkin – telah mengidentifikasi setidaknya dua subtipe berbeda dalam apa yang sebelumnya dianggap sebagai penyakit tunggal. Satu subset dari DLCLs ini menunjukkan pola ekspresi gen yang mirip dengan sel pusat B germinal normal dan menyiratkan bahwa sel tumor berasal dari sel B pusat germinal. Survei lain dari keganasan sel B menunjukkan bahwa limfoma folikular berbagi fitur ekspresi dengan sel B pusat germinal, sedangkan sel leukemia limfositik kronik menyerupai limfosit darah perifer yang beristirahat. Lebih lanjut, heterogenitas pada masing-masing garis sel ini juga menunjukkan bahwa subtipe yang berbeda ada dalam setiap jenis limfoma, seperti yang telah ditunjukkan dalam DLCL. Pengetahuan tersebut dapat digunakan untuk mengarahkan pasien ke terapi yang paling tepat.

Respon imun

Respon makrofag terhadap bakteri Microarray telah menganalisis respons global makrofag terhadap mikroorganisme yang berbeda dan telah mengkonfirmasi bahwa respons ini mempertahankan dan mengendalikan proses inflamasi, dan juga membunuh mikroorganisme. Studi-studi independen ini telah mampu menggambarkan lebih baik bagaimana makrofag meningkatkan serangan terhadap berbagai mikroorganisme. Sebuah “respon transkripsi inti” diamati untuk menginduksi 132 gen dan menekan 59 gen. Gen yang diinduksi termasuk kemokin pro-inflamasi dan sitokin, dan reseptor masing-masing. “Respons patogen-spesifik” juga diamati.

Respons dendritik terhadap patogen

Sel-sel dendritik (DC) membantu makrofag mempertahankan proses inflamasi dan berpartisipasi dalam respons sistem imun bawaan, tetapi juga dapat memberikan kekebalan adaptif yang prima. Analisis ekspresi gen telah menunjukkan bahwa DC dapat “multi-tugas” dengan memisahkan fungsi-fungsi yang berbeda untuk sementara. Segera setelah mengenali agen infeksi, DC DC yang belum matang beralih ke keadaan aktivasi dini melalui respons inti yang ditandai dengan penurunan regulasi gen yang terlibat dengan pengenalan patogen dan fagositosis, peningkatan regulasi gen sitokin dan kemokin untuk merekrut sel imun lain ke sisi peradangan; dan ekspresi gen yang mengontrol kapasitas migrasi. DC yang diaktifkan dini diaktifkan untuk bermigrasi dari jaringan non-limfoid ke kelenjar getah bening, di mana mereka dapat prima respons sel-T. Respons DC awal ini terkait dengan kekebalan bawaan dan terdiri dari “respons transkripsi inti” DC. Respons spesifik patogen memiliki pengaruh yang lebih kuat pada kemampuan DC untuk mengatur imunitas adaptif.

Membedakan tipe sel imun

Membandingkan perbedaan antara keseluruhan program transkripsional sel imun dapat menghasilkan plot yang memposisikan masing-masing jenis sel untuk mencerminkan profil ekspresinya secara relatif terhadap semua sel lain dan dapat mengungkapkan hubungan yang menarik antara jenis sel. Sebagai contoh, profil transkripsi dari sel imun epitel meduler thymus dipetakan lebih dekat ke limfosit dibandingkan dengan epitel lainnya. Ini dapat menunjukkan bahwa ada interaksi fungsional antara kedua tipe sel ini dan membutuhkan pembagian transkrip dan protein tertentu. Ketika membandingkan profil ekspresi gen dari sel-sel sistem darah, sel-T dan sel-B dikelompokkan secara ketat dengan jenis sel masing-masing.

Dengan melihat profil transkripsi sel-T yang berbeda, para ilmuwan telah menunjukkan bahwa sel-T pembunuh alami adalah varian dekat dari sel T CD4 + konvensional, daripada tipe sel perantara antara sel T dan sel pembunuh alami. Selain itu, DC, sel pembunuh alami, dan sel B dikelompokkan secara ketat berdasarkan profil ekspresi globalnya. Mungkin diharapkan bahwa limfosit B dan limfosit T akan berkelompok secara terpisah satu sama lain, atau bahwa sel-sel pembunuh alami akan lebih terkait erat dengan sel T karena mereka berbagi prekursor umum, aktivitas sitolitik, dan penanda aktivasi yang serupa. Oleh karena itu, immunomics telah membangun hubungan antara garis keturunan sel yang menyimpang dari pandangan klasik. Selain itu, lebih baik menjelaskan plastisitas yang diamati pada limfoid dan diferensiasi sel myeloid karena tumpang tindih yang cukup besar antara profil ekspresi global dari garis keturunan yang berbeda ini.

Jaringan pengatur sel imun

Jaringan mewakili tingkat interaksi genetik terluas dan bertujuan untuk menghubungkan semua gen dan transkrip dalam genom imunologis. Fenotip seluler dan keadaan diferensiasi pada akhirnya ditetapkan oleh aktivitas jaringan gen yang diatur bersama ini. Salah satu jaringan paling lengkap dalam imunologi telah menguraikan koneksi regulasi antara sel B manusia normal dan yang ditransformasikan. Analisis ini menyarankan jaringan hierarkis di mana sejumlah kecil gen yang sangat terhubung (disebut “hub”) mengatur sebagian besar interaksi. Proto-onkogen MYC muncul sebagai hub utama dan regulator yang sangat berpengaruh untuk sel B. Khususnya, MYC ditemukan untuk secara langsung mengendalikan BYSL, gen yang sangat lestari, tetapi memiliki karakter yang buruk, dan merupakan hub terbesar di seluruh jaringan sel B. Ini menunjukkan bahwa BYSL mengkodekan molekul seluler yang penting dan efek penting dari fungsi MYC, dan memotivasi studi tambahan untuk menjelaskan fungsinya. Oleh karena itu, menggunakan data ekspresi gen untuk membuat jaringan dapat mengungkapkan gen yang sangat berpengaruh dalam diferensiasi sel imun yang belum diidentifikasi oleh teknologi pra-genomik.

Aplikasi praktis

Pengembangan vaksin

Seperti dikutip oleh Stefania Bambini dan Rino Rappuoli, “Teknologi genomik baru yang kuat telah meningkatkan jumlah penyakit yang dapat diatasi dengan vaksinasi, dan mengurangi waktu untuk menemukan penelitian dan pengembangan vaksin.” Ketersediaan urutan genom lengkap patogen dalam kombinasi dengan teknologi genomik throughput tinggi telah membantu mempercepat pengembangan vaksin. Vaksin balik membalikkan penggunaan sekuens genom dari patogen virus, bakteri, atau parasit untuk mengidentifikasi gen yang berpotensi mengkode gen yang mendorong patogenesis. [15] Penerapan pertama vaksin balik terbalik mengidentifikasi kandidat vaksin terhadap serogrup Neisseria meningitidis B. Alat komputasi mengidentifikasi 600 protein yang diduga terpapar permukaan atau disekresikan dari urutan genom lengkap dari strain patogen MenB, berdasarkan fitur urutan. Protein yang diduga ini diekspresikan dalam E. coli, dimurnikan, dan digunakan untuk mengimunisasi tikus. Tes menggunakan serum imun tikus diperkirakan kemampuan antibodi untuk melindungi terhadap protein ini. Protein yang mampu mengumpulkan respon imun yang kuat diperiksa untuk konservasi urutan di panel strain meningitides dan memungkinkan untuk seleksi lebih lanjut dari antigen yang mampu memperoleh respon imun terhadap sebagian besar strain di panel. Atas dasar urutan antigen ini, para ilmuwan telah dapat mengembangkan vaksin “koktail” universal terhadap Neisseria meninitidis yang menggunakan lima antigen untuk meningkatkan kekebalan. [16] Pendekatan serupa telah digunakan untuk berbagai patogen manusia lainnya, seperti Streptococcus pneumoniae, Chlamydia pneumoniae, Bacillus anthracis, Porphyromonas gingivalis, Mycobacterium tuberculosis, Helicobacter pylori, antara lain. Selain itu, penelitian telah dimulai untuk pengembangan vaksin melawan virus.

Diagnosis penyakit

Inventaris reseptor dan jalur transduksi sinyal yang digunakan sel-sel kekebalan untuk memantau dan mempertahankan tubuh menimbulkan pola tanda-tanda ekspresi gen yang diubah dalam sel darah tepi yang mencerminkan karakter infeksi atau cedera. Oleh karena itu, mengenali profil ekspresi karakteristik sel darah perifer dapat menjadi alat diagnostik yang kuat dengan merekrut sel-sel ini sebagai “mata-mata” untuk mendeteksi penyakit atau agen gaib yang tidak dapat dengan mudah dikultur dari inang.

Sebagai contoh, infeksi cytomegalovirus (CMV) dari fibroblast dan infeksi HTLV-I dari limfosit T mengungkapkan profil ekspresi gen yang berbeda. Infeksi CMV memicu respons interferon yang unik sedangkan infeksi HTLV-1 menginduksi gen target NF-kB. Suatu jenis sel darah putih juga telah diuji kembali paparan bakteri dan ekspresi imunom bervariasi berdasarkan jenis strain bakteri yang digunakan.

Memantau perubahan ekspresi gen darah tepi juga dapat membantu menentukan arah infeksi dan membantu merawat pasien dengan terapi yang disesuaikan dengan stadium penyakit mereka. Pendekatan ini telah digunakan untuk melawan sepsis – penyakit yang berkembang melalui serangkaian peristiwa yang dapat diprediksi. Perubahan tanda tangan ekspresi gen dapat mendahului eksaserbasi klinis dari gejala, seperti pada multiple sclerosis, dan memungkinkan dokter untuk menggigit “flare-up” ini sejak awal.

Proyek genom imunologis

Sistem kekebalan adalah jaringan jalur genetik dan pensinyalan yang dihubungkan oleh jaringan sel yang berinteraksi. Proyek Genom Imunologis berupaya menghasilkan ringkasan lengkap ekspresi gen penyandi protein untuk semua populasi sel dalam sistem kekebalan tikus. Ini menganalisis kedua kondisi tunak dalam populasi sel yang berbeda, dan sebagai respons terhadap gangguan genetik dan / atau lingkungan yang diciptakan oleh polimorfisme genetik alami, knock-out gen, knock-down gen oleh RNAi, atau perawatan obat. Alat komputasi untuk merekayasa balik atau memprediksi jaringan pengatur sel imun menggunakan profil ekspresi ini.

Pada 2008, proyek ImmGen melibatkan tujuh imunologi dan tiga laboratorium biologi komputasional di seluruh Amerika Serikat dan lebih dari 200 populasi sel yang terlibat dalam sistem kekebalan telah diidentifikasi dan dijelaskan. Konsorsium ini telah menciptakan peramban data untuk mengeksplorasi pola ekspresi gen tertentu, jaringan gen yang diatur bersama, dan gen yang dapat secara andal membedakan jenis sel. Data mentah juga dapat diakses dari Omnibus Ekspresi Gen NCBI.

References

  • Wikipedia
  • Heng TS, Painter MW; Painter; Immunological Genome Project Consortium (October 2008). “The Immunological Genome Project: networks of gene expression in immune cells”. Nat. Immunol. 9 (10): 1091–4. doi:10.1038/ni1008-1091. PMID 18800157.
  • Staudt LM, Brown PO; Brown (2000). “Genomic views of the immune system*”. Annu. Rev. Immunol. 18: 829–59. doi:10.1146/annurev.immunol.18.1.829. PMID 10837077.

 

Advertisements