Informasi

Antigen darah dan respon imun

Antigen darah dan respon imun


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Dalam buku teks saya, definisi antigen ditulis sebagai berikut:

Antigen: Zat yang dikenali tubuh sebagai benda asing dan dapat membangkitkan respons imun

Gambar berikut juga membuat saya bingung karena menyatakan bahwa, misalnya, seseorang dengan golongan darah A memiliki antigen-A

Namun, apakah pernyataan dan gambar ini tidak menyatakan bahwa antigen yang terdapat pada permukaan sel darah kita adalah benda asing? Yang akan menyiratkan bahwa antibodi kita menyerang darah kita sendiri yang tidak terjadi?

Atau apakah zat yang terdapat pada permukaan sel darah (antigen A atau/dan B, tanpa antigen) hanya dikenali sebagai antigen jika sesuai dengan antibodi di dalam tubuh?

Dengan kata lain, jika saya golongan darah A, molekul merah muda di permukaan darah saya tidak disebut sebagai antigen karena mereka tidak asing, tetapi molekul hijau di permukaan darah golongan B disebut sebagai antigen karena mereka apakah asing?


Masalahnya adalah sebagian definisi Antigen yang Anda kutip. Ini mengacu pada "tubuh" yang mengarahkan Anda untuk menganggap itu adalah tubuh tertentu - milik Anda. Saya yakin ada definisi yang lebih baik, tetapi hanya dengan mengambil yang ini, saya akan memodifikasi menjadi: “Suatu zat yang dapat dikenali sebagai benda asing dan membangkitkan respons imun dalam suatu organisme.”

Dengan definisi ini, yang sebenarnya adalah bagaimana antigen dianggap, antigen tertentu tidak perlu antigenik di setiap organisme yang disajikan. Organisme atau individu yang antigennya muncul sebagai 'diri' tidak akan mengenalinya sebagai benda asing karena mereka 'toleran' terhadapnya (misalnya dengan mekanisme yang menghilangkan sel-sel yang mampu memproduksi antibodi terhadap antigen diri). Tapi itu masih disebut sebagai antigen.

Jadi pemahaman Anda tentang situasinya benar, tetapi penggunaan terminologinya tidak. Bahkan jika Anda termasuk golongan darah A dan karena itu tidak akan memasang respons imun terhadap gumpalan merah muda pada gambar saat ditransfusikan dengan darah golongan A, mereka masih disebut sebagai antigen karena mereka merangsang respons imun saat ditransfusikan ke orang yang bergolongan darah A. golongan darah B

Jika Anda ingin berbicara tentang fakta bahwa antigen A pada darah tipe A tidak memprovokasi respon imun ketika ditransfusikan ke orang dengan golongan darah A, Anda dapat mengatakan “Antigen A pada sel darah merah tidak imunogenik (atau bahkan antigenik) ketika ditransfusikan ke orang bergolongan darah A”.

Catatan kaki tentang terminologi

Terminologi ilmiah memungkinkan kita untuk menggambarkan hal-hal secara tepat. Ketika pemahaman kita meningkat, terminologi mungkin perlu berkembang untuk memungkinkan kita membuat perbedaan yang sebelumnya tidak kita sadari. Kata 'antigen' diciptakan pada akhir abad ke-19, sebelum struktur antibodi diketahui, dan didefinisikan dalam istilah respons imun seperti yang diamati. Definisi berkembang di beberapa tempat untuk memasukkan gagasan mengikat antibodi atau sel-T (lihat misalnya definisi Merriam-Webster).

Namun definisi yang diperluas ini menimbulkan masalah terminologi yang digunakan jika sesuatu mengikat antibodi tetapi tidak memicu respons imun. Dengan demikian, Daftar Istilah buku teks Immunobiology (Janeway dkk.) mendefinisikan antigen sebagai “Setiap molekul yang dapat mengikat secara khusus pada antibodi” dan menggunakan istilah yang berbeda, 'imunogen', untuk “Setiap molekul yang dapat menimbulkan respons imun adaptif pada injeksi ke dalam orang atau hewan”. (Yang menjelaskan penyebutan saya tentang 'imunogenik', sebagai lawan dari 'antigenik', di atas.)


Respon imun seluler dalam alloimunisasi sel darah merah

Lebih dari 340 antigen golongan darah sekarang telah dijelaskan yang bervariasi antar individu. Jadi, setiap unit darah yang nonautologus mewakili dosis aloantigen yang signifikan. Sebagian besar antigen golongan darah adalah protein, yang dibedakan oleh satu asam amino antara donor dan penerima. Kira-kira 1 dari setiap 70 orang ditransfusikan setiap tahun (di Amerika Serikat saja), yang mengarah pada respons antibodi terhadap aloantigen sel darah merah (RBC) pada beberapa penerima transfusi. Ketika alloantibodi terbentuk, dalam banyak kasus, sel darah merah yang mengekspresikan antigen tersebut tidak dapat lagi ditransfusikan dengan aman. Namun, meskipun transfusi kronis, hanya 3% sampai 10% dari penerima (secara umum) meningkatkan respon alloantibody. Di beberapa keadaan penyakit, tingkat alloimunisasi jauh lebih tinggi (misalnya, penyakit sel sabit). Untuk pasien yang menjadi aloimunisasi terhadap beberapa antigen, terapi transfusi yang berkelanjutan menjadi semakin sulit atau, dalam beberapa kasus, tidak mungkin. Sementara aloantibodi adalah efektor imun utama dari aloimunisasi humoral, dasar-dasar seluler dari sistem kekebalan yang mengarah pada produksi aloantibodi akhir adalah kompleks, termasuk konsumsi antigen, pemrosesan antigen, presentasi antigen, biologi sel-T, dan biologi sel-B. Selain itu, proses seluler ini berbeda sampai batas tertentu sehubungan dengan sel darah merah yang ditransfusikan dibandingkan dengan penghalang kekebalan lain yang dipelajari dengan lebih baik (misalnya, penyakit menular, vaksin, dan transplantasi organ padat). Karya saat ini berfokus pada penggambaran paradigma imunitas humoral saat ini, dengan fokus khusus pada aloimunisasi RBC dan kemajuan terbaru dalam pemahamannya.


Komponen Sistem Kekebalan Tubuh

Sistem kekebalan memiliki banyak komponen:

Antibodi (imunoglobulin) adalah protein yang diproduksi oleh sel darah putih yang disebut sel B dan yang mengikat erat antigen penyerbu, menandai penyerang untuk menyerang atau secara langsung menetralkannya. Tubuh memproduksi ribuan antibodi yang berbeda. Setiap antibodi spesifik untuk antigen tertentu.

Antigen adalah zat apa pun yang dapat dikenali oleh sistem kekebalan dan dengan demikian dapat merangsang respons kekebalan.

Sel B (limfosit B) adalah sel darah putih yang menghasilkan antibodi spesifik terhadap antigen yang merangsang produksinya.

basofil adalah sel darah putih yang melepaskan histamin (zat yang terlibat dalam reaksi alergi) dan yang menghasilkan zat untuk menarik sel darah putih lainnya (neutrofil dan eosinofil) ke tempat yang bermasalah.

Sel adalah unit terkecil dari organisme hidup, terdiri dari nukleus dan sitoplasma yang dikelilingi oleh membran.

Kemotaksis adalah proses dimana zat kimia menarik sel ke situs tertentu.

NS sistem pelengkap terdiri dari sekelompok protein yang terlibat dalam serangkaian reaksi (disebut kaskade komplemen) yang dirancang untuk mempertahankan tubuh—misalnya, dengan membunuh bakteri dan sel asing lainnya, membuat sel asing lebih mudah diidentifikasi dan dicerna oleh makrofag, dan menarik makrofag dan neutrofil ke tempat yang bermasalah.

Sitokin adalah banyak protein berbeda yang disekresikan oleh sel-sel kekebalan dan sel-sel lain dan yang bertindak sebagai pembawa pesan sistem kekebalan untuk membantu mengatur respons kekebalan.

Sel dendritik berasal dari sel darah putih. Mereka berada di jaringan dan membantu sel T mengenali antigen asing.

Eosinofil adalah sel darah putih yang membunuh bakteri dan sel asing lainnya yang terlalu besar untuk dicerna, dan mereka dapat membantu melumpuhkan dan membunuh parasit dan membantu menghancurkan sel kanker. Eosinofil juga berpartisipasi dalam reaksi alergi.

Sel T pembantu adalah sel darah putih yang membantu sel B memproduksi antibodi terhadap antigen asing, membantu sel T pembunuh menjadi aktif, dan merangsang makrofag, memungkinkan mereka mencerna sel yang terinfeksi atau abnormal dengan lebih efisien.

Histokompatibilitas (secara harfiah, kompatibilitas jaringan) ditentukan oleh antigen leukosit manusia (molekul identifikasi diri). Histokompatibilitas digunakan untuk menentukan apakah jaringan atau organ yang ditransplantasikan akan diterima oleh penerima.

Antigen leukosit manusia (HLA) adalah sekelompok molekul identifikasi yang terletak di permukaan semua sel dalam kombinasi yang hampir unik untuk setiap orang, sehingga memungkinkan tubuh untuk membedakan diri dari bukan diri. Kelompok molekul identifikasi ini juga disebut kompleks histokompatibilitas utama.

NS kompleks imun adalah antibodi yang melekat pada antigen.

NS respon imun merupakan reaksi sistem imun terhadap antigen.

imunoglobulin adalah nama lain dari antibodi.

interleukin adalah jenis pembawa pesan (sitokin) yang disekresikan oleh beberapa sel darah putih untuk mempengaruhi sel darah putih lainnya.

Sel T pembunuh (sitotoksik) adalah sel T yang menempel pada sel yang terinfeksi dan sel kanker dan membunuhnya.

Leukosit adalah nama lain untuk sel darah putih, seperti monosit, neutrofil, eosinofil, basofil, atau limfosit (sel B atau sel T).

NS Sistem limfatik adalah jaringan kelenjar getah bening yang dihubungkan oleh pembuluh limfatik yang membantu tubuh mengangkut mikroorganisme dan sel-sel mati atau rusak untuk disaring dan dihancurkan. Respon imun didapat dimulai di kelenjar getah bening.

Limfosit adalah sel darah putih yang bertanggung jawab untuk memperoleh kekebalan (spesifik), termasuk memproduksi antibodi (oleh sel B), membedakan diri dari bukan diri sendiri (oleh sel T), dan membunuh sel yang terinfeksi dan sel kanker (oleh sel T pembunuh).

Makrofag adalah sel besar yang berkembang dari sel darah putih yang disebut monosit. Mereka menelan bakteri dan sel asing lainnya dan membantu sel T mengidentifikasi mikroorganisme dan zat asing lainnya. Makrofag biasanya ada di paru-paru, kulit, hati, dan jaringan lain.

Kompleks histokompatibilitas utama (MHC) adalah sinonim untuk antigen leukosit manusia.

Sel mast adalah sel-sel dalam jaringan yang melepaskan histamin dan zat lain yang terlibat dalam reaksi inflamasi dan alergi.

A molekul adalah sekelompok atom yang digabungkan secara kimia untuk membentuk zat yang unik.

Sel pembunuh alami adalah jenis sel darah putih yang dapat mengenali dan membunuh sel abnormal, seperti sel tertentu yang terinfeksi dan sel kanker, tanpa harus mengetahui terlebih dahulu bahwa sel tersebut abnormal.

Neutrofil adalah sel darah putih yang menelan dan membunuh bakteri dan sel asing lainnya.

Fagosit adalah jenis sel yang mencerna dan membunuh atau menghancurkan mikroorganisme yang menyerang, sel lain, dan fragmen sel. Fagosit termasuk neutrofil dan makrofag.

Fagositosis adalah proses sel menelan dan menelan mikroorganisme yang menyerang, sel lain, atau fragmen sel.

A reseptor adalah molekul di permukaan sel atau di dalam sel yang dapat mengidentifikasi molekul tertentu, yang pas di dalamnya—seperti kunci yang pas di gemboknya.

Sel T regulator (penekan) adalah sel darah putih yang membantu mengakhiri respon imun.

Sel T (limfosit T) adalah sel darah putih yang terlibat dalam imunitas didapat. Ada tiga jenis: penolong, pembunuh (sitotoksik), dan pengatur.

sel darah putih (leukosit) ada dalam beberapa jenis yang berbeda, seperti monosit, neutrofil, eosinofil, basofil, dan limfosit (sel B dan sel T), yang masing-masing memiliki peran berbeda dalam sistem kekebalan tubuh.


Hasil

Informasi pengambilan sampel untuk scRNA-seq

Secara total, 28 sampel dimasukkan dalam penelitian ini, termasuk 25 sampel dari 16 pasien dengan COVID-19 (data tahapan berbeda untuk tujuh dari 16 pasien dianalisis secara komparatif untuk studi dinamis) dan tiga kontrol. Informasi dasar dan gambaran klinis pasien tercantum dalam Tabel Tambahan S1. Terdapat dua kasus kritis (pasien 1, laki-laki, 34 tahun pasien 2, laki-laki, 33 tahun), satu kasus berat (pasien 3, laki-laki, 43 tahun), enam kasus sedang (pasien 4-9, terdiri dari dua laki-laki dan empat perempuan berusia 25-62 tahun), dan tiga kasus ringan (pasien 10, perempuan, 19 tahun pasien 11, laki-laki, 30 tahun dan pasien 12, perempuan, 32 tahun). Empat pasien yang sembuh (pasien 13-16, terdiri dari dua laki-laki dan dua perempuan berusia 20-40 tahun) didaftarkan pada hari keluar dari rumah sakit setelah mereka dinyatakan negatif untuk SARS-CoV-2 dan setelah tanda-tanda penyakit hilang. Tiga orang sehat dimasukkan sebagai kontrol normal (NC 1-3, dua laki-laki dan satu perempuan, berusia 28-62).

Mempertimbangkan kinetika respons imun tubuh dalam darah yang terlibat dalam berbagai tahap COVID-19, kami melakukan studi perbandingan dengan tujuh dari 16 pasien (pasien 1, 2, 3, 6, 7, 9, dan 10) yang dianalisis secara komparatif selama pertempuran mereka dengan penyakit pada tahap yang berbeda.

Transkriptom sel tunggal PBMC

Sel mononuklear darah perifer (PBMC) dari setiap individu diisolasi dari seluruh darah, dan analisis scRNA-seq dari PBMC dilakukan pada platform genomik 10X dengan Chromium Next GEM Single-Cell V(D)J Reagen Kits v1. 1 (Gbr. 1a). 18 Setelah kontrol kualitas, dalam analisis putaran pertama, kami memperoleh 241.292 sel PBMC, 131.391 klon TCR, dan 23.674 klon BCR dari 19 sampel 19 individu, termasuk 16 pasien COVID-19 dan tiga kontrol. Analisis komponen utama (PCA) dan plot t-distributed Stochastic Neighbor Embedding (t-SNE) dari ekspresi gen sel tunggal menunjukkan tidak ada efek batch di antara 19 sampel setelah normalisasi (Gbr. 1b). Dalam sampel ini, kami mengidentifikasi delapan tipe sel PBMC yang sangat berbeda, yang selanjutnya dapat dibagi menjadi 30 subtipe sel (cluster) berdasarkan hasil pengelompokan dengan paket Seurat V3 R pada resolusi 0,9 (Gbr. 1c, d). Delapan jenis sel PBMC termasuk limfosit T CD4+ yang diidentifikasi oleh: CD4, limfosit T CD8+ diidentifikasi oleh CD8A, monosit CD16+ diidentifikasi oleh FCGR3A, monosit CD14+ diidentifikasi oleh CD14, sel pembunuh alami (NK) diidentifikasi oleh KLRF1, sel B diidentifikasi oleh MS4A1, sel dendritik (DC) diidentifikasi oleh FCER1A dan sel/trombosit progenitor megakariosit (MP/trombosit) yang diidentifikasi oleh PF4 (Gbr. 1c). Plot ekspresi t-SNE dari gen penanda di bagian sampel ditunjukkan pada Gambar Tambahan. S1. Informasi rinci untuk 30 subtipe sel ditunjukkan pada Gambar.1d, termasuk tujuh subtipe limfosit T CD4+, enam subtipe limfosit T CD8+, empat subtipe limfosit B, dan subtipe sel lainnya. Plot titik gen penanda sel T klasik dan penanda sel B disajikan dalam Gambar Tambahan. S2a, b, masing-masing.

Komposisi seluler PBMC pada pasien dengan COVID-19 dan kontrol. A Ringkasan singkat sampel untuk pengurutan scRNA dan desain penelitian. Informasi rinci sampel ditunjukkan pada Tabel S1. B Hasil analisis integrasi pasien COVID-19 dan kontrol normal menunjukkan visualisasi komponen utama (PC) dan algoritma TSNE. Tidak ada efek pantai yang diamati antara sampel. C Delapan tipe sel PBMC utama diidentifikasi oleh penanda sel yang diketahui. D Hasil analisis integrasi pasien COVID-19 dan kontrol normal menunjukkan visualisasi principal component (PC), algoritma TSNE, dan algoritma UMAP. Secara total, 30 subtipe sel diidentifikasi dalam PBMC. e Komposisi rasio komposisi tipe sel utama PBMC membandingkan masing-masing pasien dengan kontrol normal. Proporsi setiap jenis sel dalam setiap sampel dihitung dan kemudian membandingkan proporsi setiap jenis sel antara kasus dan kontrol (untuk sampel kontrol, proporsi rata-rata dari tiga sampel kontrol digunakan untuk membandingkan). F Peta panas ekspresi gen dari 30 gen teratas untuk setiap subtipe sel. G Komposisi rasio dari semua 30 komposisi subtipe sel PBMC yang membandingkan setiap pasien dengan kontrol normal. Proporsi setiap subtipe sel dalam setiap sampel dihitung dan kemudian membandingkan proporsi setiap subtipe sel antara kasus dan kontrol (untuk sampel kontrol, proporsi rata-rata dari tiga sampel kontrol digunakan untuk membandingkan)

Perbandingan proporsi subtipe sel PBMC antara pasien dengan COVID-19 dan kontrol

Untuk mengevaluasi status sistem kekebalan darah pasien COVID-19, pertama-tama kami membandingkan proporsi delapan jenis sel utama dari masing-masing pasien COVID-19 dengan kontrol normal. Kami menemukan perluasan DC myeloid, monosit CD14+, dan MP/trombosit pada sebagian besar pasien dengan COVID-19, dan penurunan monosit dan NK CD16+ pada lebih dari separuh pasien dengan COVID-19 (Gbr. 1e). Untuk menyelidiki lebih lanjut perubahan dari 30 subtipe sel dalam kondisi COVID-19 yang berbeda, kami membandingkan proporsi subtipe sel pada setiap pasien dengan COVID-19 dengan tiga kontrol normal (Gbr. 1e). Subtipe limfosit T CD4+ naif (cluster 1), yang ditandai oleh gen pengkode ribosom yang diekspresikan tinggi, seperti RPL32, RPL30, RPS12, dan RPS3A, menurun pada semua pasien rawat inap. Mengingat bahwa gen pengkode ribosom memainkan peran penting dalam transkripsi dan replikasi RNA virus (CL: 14985, dalam database STRING), ekspresi tinggi dari gen pengkode ribosom dalam limfosit T CD4+ naif mungkin terkait dengan replikasi virus. 19 Pada saat yang sama, CD8+ T naif (cluster 4, RNA noncoding yang diekspresikan tinggi) LINC02446, faktor perpanjangan EEF1A1 dan EEF1B2), dan NKs (cluster 13, sangat mengekspresikan gen superfamili cystatin CST7, reseptor mirip lektin sel pembunuh KLRD1 dan KLRG1) juga ditemukan menurun pada lebih dari setengah pasien. Di sisi lain, beberapa subtipe sel termasuk memori efektor CD8 T (cluster 23, sangat diekspresikan) STMN1, HMGB2, TUBA1B, HIST1H4C), monosit CD14+ (kelompok 10, sangat terekspresi FCN1, LYZ, S100A8, klaster 12, sangat diekspresikan S100A12, S100A6, dan TYROBP, dan cluster 16, sangat diekspresikan KAMP, LCN2, CCL3, dan CCL3L1), sel B naif (cluster 19, yang sangat mengekspresikan CD74, CD79A, dan HLA-DRA), DC myeloid (cluster 21, sangat diekspresikan HLA-DRB5, HLA-DPB1, dan HLA-DQA1), dan MP/Trombosit (cluster 11, sangat terekspresi CAVIN2, HIST1H2AC, dan TUBB1, dan cluster 28, sangat diekspresikan HIST1H4H, HIST1H3H, H3F3A, dan NT5C3A) ditemukan meningkat pada lebih dari setengah pasien. Peta panas ekspresi gen dari 30 gen teratas di setiap cluster ditunjukkan pada Gambar. 1f.

Proporsi 15 dari 30 subtipe sel, seperti sel CD4+ T, dan CD8+ T, menurun drastis pada kedua pasien kritis (pasien 1 dan pasien 2). Ini konsisten dengan jumlah limfosit yang jauh lebih rendah pada kedua pasien ini (0,75 × 10 9 /L untuk pasien 1 dan 0,27 × 10 9 /L untuk pasien 2) dibandingkan dengan kisaran normal (1,1-3,2 × 10 9 /L, Tabel S1). Pada kondisi parah (pasien 3), proporsi beberapa subtipe sel seperti CD8 T efektor terminal dan sel T CD8 memori efektor meningkat. Untuk pasien sedang (pasien 4-9), mereka juga menunjukkan perubahan tingkat sedang dalam proporsi sel (Gbr. 1e, g), kecuali untuk pasien 9. Pada pasien 9, yang memiliki gejala sedang, proporsi selnya naif B sel (kelompok 19) dan subtipe sel T CD4+ dan CD8+ (kelompok 4, 14 17, 18, dan 23) sangat berkembang (Gbr. 1e, g). Untuk pasien ringan (pasien 10-12), mereka juga menunjukkan perubahan tingkat sedang dalam proporsi sel (Gbr. 1e, g), kecuali untuk pasien 11. Pada pasien 11, proporsi sel dari subtipe sel B naif ( kelompok 19) adalah yang tertinggi di antara semua pasien, 12,52 kali meningkat dibandingkan dengan kontrol (Gbr. 1e, g). Pada kondisi sembuh, proporsi MP/trombosit (cluster 11 dan 28) menurun secara signifikan. Hasil ini menunjukkan bahwa respons imun darah manusia sangat diatur secara individual sesuai dengan kondisi penyakit selama infeksi SARS-CoV-2, dan ketidakseimbangan sel imun dikaitkan dengan COVID-19.

Untuk memberikan informasi terperinci tentang perubahan proporsi sel dalam kondisi penyakit yang berbeda, kami menganalisis lebih lanjut subtipe sel dalam lima kelompok dengan perubahan proporsi sel yang dramatis dalam kondisi penyakit yang dipelajari: kelompok 1 (CD4+ T naif), kelompok 10 (CD14+ monosit), cluster 13 (NK), cluster 19 (naive B), dan cluster 24 (terminal efektor CD8 T) (Gbr. 2a, b). Temuan menunjukkan bahwa penipisan sel efektor CD8+ terminal dikaitkan dengan kondisi kritis penyakit (panah merah pada Gambar. 2a, b). Dibandingkan dengan kondisi lain, kelompok ringan menyajikan proporsi sel B naif yang jauh lebih tinggi (panah hijau pada Gambar. 2a, b). Hasil ini menunjukkan bahwa penipisan sel T efektor CD8+ terminal mungkin terkait dengan pasien dalam kondisi kritis, dan sebagian besar ekspansi sel B naif untuk produksi antibodi dapat mencegah memburuknya COVID-19.

Proyeksi UMAP dari lima kluster sel dan perubahan ekspresi gen jalur IFN-I dan MAPK sebagai respons terhadap infeksi SARS-CoV-2. A Proyeksi UMAP dari lima kluster sel di antara kritis (n = 2), parah (n = 1), sedang (n = 6), ringan (n = 3), sembuh (n = 4), dan kontrol (n = 3). CD4 + T naif: cluster 1 pada Gambar 1d CD14+ monosit: cluster 10 pada Gambar 1d NK: cluster 13 pada Gambar 1d Sel B: cluster 19 pada Gambar 1d terminal CD8+ efektor T: cluster 24 pada Gambar 1d. Panah merah di A menunjukkan efektor CD8 + T (CTL), panah hijau di A menunjukkan sel B. Mereka berubah secara signifikan dibandingkan dengan pasien dan kontrol COVID-19. Bagian terkait dijelaskan di bagian bawah Halaman 7 dari teks utama. B Signifikansi statistik (masing-masing kondisi lain vs. kontrol) untuk populasi sel yang disebutkan dalam A. *P < 0,05 **P < 0,01 ***P < 0,001. CF Perubahan log2 lipat dari jumlah pengidentifikasi molekuler unik (UMI) dari gen jalur IFN-I yang membandingkan pasien dengan kontrol normal. C Pasien kritis (pasien 1 dan pasien 2) vs. kontrol normal. D Pasien parah (pasien 3) vs. kontrol normal. e Pasien moderat (pasien 4-9) vs. kontrol normal, dan F Pasien yang sembuh (pasien 11 dan 10) vs. kontrol normal. GJ Perubahan log2 lipat dari jumlah UMI target MAPK di kritis (G), berat (H), sedang (Saya), dan pasien sembuh dengan COVID-19 vs. kontrol normal (J), masing-masing. Setiap titik mewakili subtipe sel yang berbeda

Jalur yang diekspresikan secara berbeda antara pasien dengan COVID-19 dan kontrol

Kemudian, kami menganalisis profil ekspresi gen di setiap subtipe sel pasien dengan kondisi COVID-19 yang berbeda dan membandingkan profil ini dengan kontrol. Kami mengidentifikasi banyak gen yang diekspresikan secara berbeda (DE, FDR & lt 0,05) antara pasien dengan COVID-19 dan kontrol normal di setiap kelompok sel. Untuk mengeksplorasi lebih lanjut jalur sinyal yang diperkaya dari gen DE di setiap subtipe sel, kami melakukan analisis jaringan STRING lokal, 20,21,22 menggunakan gen DE dan log2 mereka mengubah lipatan antara pasien dan kontrol. Pada pasien dengan kondisi kritis, berat, sedang, ringan, dan sembuh, kami menemukan bahwa 16 (dalam 9 subtipe sel), 22 (dalam 26 subtipe sel), 22 (dalam 20 subtipe sel), 28 (dalam 16 subtipe sel), dan 19 (dalam 9 subtipe sel) jalur sinyal berubah secara signifikan untuk setiap kondisi penyakit, masing-masing (FDR & lt 0,05) (Gambar Tambahan. S3-S7, Tabel 2-6).

Dengan analisis jaringan STRING, kami menemukan bahwa selain jalur pensinyalan metabolik dasar, seperti fosforilasi pernapasan dan oksidatif, jalur sinyal yang diperkaya secara signifikan terutama terlibat dalam overaktivasi lima jalur (Gbr. 2c-j, Gambar Tambahan. S3-S7): (1) replikasi dan infeksi genom virus (translasi mRNA virus, pemanjangan rantai peptida, dan protein ko-translasi bergantung-SRP yang menargetkan membran, yang sangat diekspresikan dalam monosit CD14+, sel T CD4+ naif, dan sel lain) (2) tipe I interferon signaling (IFN-I) (sangat diekspresikan dalam sel B naif dan CD14 + monosit) (3) mitogen-activated protein kinase (MAPK) (juga termasuk faktor transkripsi AP-1, Jun dan bZIP Maf) (sangat diekspresikan dalam naif sel B, sel T CD8+, dan NKs) (4) interaksi imunologi antara sel limfoid dan nonlimfoid (sangat diekspresikan dalam sel T efektor CD8+ terminal dan sel B naif) dan (5) kompleks protein kelas II kompleks histokompatibilitas utama (MHC) (sangat eks ditekan dalam sel B). Sebagian besar gen yang terlibat dalam jalur ini diregulasi pada pasien rawat inap dengan COVID-19 dibandingkan dengan kontrol normal (Gbr. 2c-j, Gambar Tambahan S8-S9). Namun, ekspresi gen jalur MAPK diturunkan regulasinya pada pasien yang disembuhkan, menunjukkan bahwa penurunan ekspresi gen jalur MAPK adalah pertanda baik untuk pemulihan pasien (Gbr. 2j).

Untuk mempelajari perubahan sinyal yang terkait dengan keparahan penyakit, yang mungkin mengarah pada strategi intervensi baru, kami telah membandingkan lebih lanjut kondisi kritis/parah dengan kondisi sedang (Gambar Tambahan S10) dan kondisi ringan (Gambar Tambahan S11). Peristiwa pensinyalan pernapasan dan G alfa (i) diperkaya dalam kondisi kritis/parah dibandingkan dengan yang sedang di PM/Trombosit (cluster 8). Banyak jalur pensinyalan diubah untuk perbandingan kondisi kritis/parah dengan kondisi ringan, dan sebagian besar jalur pensinyalan yang diperkaya disertakan atau terkait dengan lima jalur yang disebutkan di atas selain jalur pensinyalan metabolik dasar (Gambar Tambahan S11).

Perbandingan berpasangan pasien dengan COVID-19 sebelum dan sesudah perbaikan penyakit

Untuk lebih mendalami respon imun terhadap SARS-CoV-2 sebelum dan sesudah pasien sembuh dari penyakit, kami mengumpulkan sembilan sampel tambahan putaran kedua dari tujuh pasien yang berhasil sembuh yang menghasilkan 100.128 sel PBMC, 54.039 klon TCR, dan 512 BCR klon (Tabel Tambahan S1). Untuk dua pasien kritis — pasien 1 dan pasien 2 — kami mengumpulkan sampel darah dan melakukan scRNA-seq lagi ketika penyakit mereka membaik (22 hari setelah putaran pertama pengambilan sampel untuk kedua pasien) dan setelah mereka sembuh (25 dan 23 hari setelahnya). pengambilan sampel yang ditingkatkan untuk pasien 1 dan pasien 2, masing-masing). Pada lima pasien lainnya (satu pasien parah, pasien 3, tiga pasien sedang, pasien 6, 7, dan 9 dan satu pasien ringan, pasien 10), kami mengumpulkan sampel darah dan melakukan analisis scRNA-seq lagi tepat setelah pasien pulih dari penyakit. Oleh karena itu, kami dapat membandingkan perubahan scRNA-seq imun darah pada penyakit, dan setelah pasien pulih. Dikombinasikan dengan sampel ini dan data putaran pertama dari pasien ini, subtipe sel yang diidentifikasi berdasarkan hasil pengelompokan dengan paket Seurat V3 R pada resolusi 0,9 ditunjukkan pada Gambar. 3a.

Studi dinamis untuk pasien kritis 1 sebelum dan sesudah perbaikan. A Plot TSNE dari tipe sel yang diidentifikasi pada pasien dengan studi dinamis (P1-1, P1-2, P1-3, P2-1, P2-2,m P2-3, P3-1, P3-2,P6-1, P6 -2, P7-1, P7-2, P9-1, P9-2, P10-1, dan P10-2). B Plot TSNE P1-1 (dalam kondisi kritis) dan P1-2 (dalam kondisi perbaikan), menunjukkan distribusi tipe sel dalam dua sampel. C Plot TSNE P1-2 dan P1-3 (dalam kondisi sembuh), menunjukkan distribusi tipe sel pada kedua sampel. D Perbandingan semua subtipe sel P1-1, P1-2, dan P1-3. e Perubahan log2 lipat dari jumlah UMI gen yang terlibat dalam terjemahan mRNA virus, IFN-I, target MAPK, dan ferroptosis antara P1-1 dan P1-2. Setiap titik mewakili subtipe sel yang berbeda. F Perubahan log2 lipat dari jumlah UMI gen yang terlibat dalam terjemahan mRNA virus, IFN-I, target MAPK, dan ferroptosis antara P1-2 dan P1-3. Setiap titik mewakili subtipe sel yang berbeda

Kami mengamati bahwa pengurangan atau perluasan tipe dan subtipe sel meningkat secara signifikan setelah pulih dari penyakit. Jalur termasuk terjemahan mRNA virus, IFN-I, MAPK, interaksi imunologi, dan kompleks protein kelas II MHC secara signifikan diperkaya di sebagian besar perbandingan berpasangan dari keadaan sebelum dan sesudah perbaikan untuk tujuh pasien, lebih lanjut menunjukkan bahwa lima jalur ini terlibat dalam patogenesis COVID-19 (Gambar Tambahan. S12–S19). Profil ekspresi gen dari sebagian besar jalur ini juga konsisten dengan hasil kami di atas ketika membandingkan pasien dengan kontrol. Artinya, sebagian besar gen ini diregulasi dalam kondisi penyakit COVID-19.

Pada pasien kritis 1, dengan membandingkan kondisi penyakitnya dalam keadaan kritis dengan stadium yang membaik (P1-1 vs. P1-2), kami mengamati penurunan terminal CD8+ efektor T (kelompok 10) dan NK (kelompok 6), dll. dalam tahap perbaikan (Gbr. 3b, c, dan d). Untuk memberikan informasi jalur yang lebih rinci terkait proses pemulihannya, kami melakukan analisis jaringan STRING lokal dan analisis KEGG (menggunakan daftar gen DE). Untuk analisis jaringan STRING, kami menemukan perubahan jalur dan pola ekspresi gen antara tahap kritis dan tahap yang ditingkatkan serupa dengan temuan kami dari perbandingan putaran pertama antara pasien kritis dan kontrol (Gambar 3d, Gambar Tambahan S12). Jalur termasuk terjemahan mRNA virus, IFN-I, dan MAPK secara signifikan diregulasi pada tahap kritis ketika dibandingkan dengan tahap yang ditingkatkan (Gbr. 3e). Analisis KEGG mengungkapkan bahwa suatu bentuk kematian sel yang diatur—ferroptosis—secara signifikan diregulasi pada tahap kritis penyakit dibandingkan dengan tahap perbaikan (Gbr. 3e, Gambar Tambahan S13). Kemudian, dengan membandingkan lebih lanjut kondisi penyakit pasien ini antara stadium yang membaik dan yang disembuhkan (P1-2 vs P1-3, kami menemukan bahwa proporsi sel Th1 (cluster 19) ditemukan pada stadium yang disembuhkan (Gbr. 3c, d) Jalur termasuk terjemahan mRNA virus, IFN-I, dan MAPK juga diregulasi pada tahap yang ditingkatkan ketika dibandingkan dengan tahap yang disembuhkan (Gambar 3f, Gambar Tambahan. S14-S15).Profil ekspresi gen yang terlibat dalam ferroptosis tidak berubah secara signifikan antara tahap yang diperbaiki dan yang disembuhkan, menunjukkan bahwa ferroptosis terutama terjadi pada tahap kritis dan secara bertahap kembali normal pada tahap perbaikan (Gbr. 3f).Perubahan jenis dan subtipe sel, jalur, dan pola ekspresi gen serupa ditemukan di kritis lain pasien — pasien 2 — ketika membandingkan tahap kritis, membaik, dan sembuh (Gambar Tambahan. S16-S20).

Pasien 3 dengan gejala parah menunjukkan ekspansi limfosit jika dibandingkan dengan kontrol normal pada analisis putaran pertama, ekspansi limfositnya berkurang pada tahap penyembuhan (Gbr. 4a, b). Jalur termasuk terjemahan mRNA virus, IFN-I, dan MAPK secara signifikan diregulasi pada tahap parah bila dibandingkan dengan tahap sembuh (Gbr. 4c). Namun, jalur sinyal ferroptosis hanya sedikit diregulasi pada tahap penyakit yang parah (Gambar Tambahan. S21-S22), kemungkinan karena ekspansi sel limfositnya. Untuk tiga pasien moderat dengan COVID-19—pasien 6, 7, dan 9—baik jalur IFN-I dan MAPK secara signifikan diregulasi dalam stadium penyakit ketika dibandingkan dengan stadium sembuh (Gbr. 4d-f, Gambar Tambahan. S23- S30). Translasi mRNA virus dan jalur ferroptosis secara signifikan diregulasi pada stadium penyakit jika dibandingkan dengan stadium sembuh untuk pasien 6 dan 7. Namun, translasi mRNA virus tunggal dan ferroptosis tidak diregulasi secara signifikan pada stadium sakit bila dibandingkan dengan stadium sembuh untuk pasien 9, yang mungkin dijelaskan oleh ekspansi sel T dan B yang relatif lebih tinggi 23 (Gambar Tambahan. S27-S29). Pasien dengan kondisi ringan—pasien 10—menunjukkan respons imun tingkat ringan.

Studi dinamis pasien parah 3 dan pasien sedang 6 dalam penyakit mereka dan kondisi sembuh. A Plot TSNE dari tipe sel yang diidentifikasi pada pasien dengan studi dinamis P3-1 (kondisi parah) dan P3-2 (kondisi sembuh). B Perbandingan semua subtipe sel P3-1 dan P3-2. C Perubahan log2 lipat dari jumlah UMI gen yang terlibat dalam terjemahan mRNA virus, IFN-I, dan target MAPK antara P3-1 dan P3-2. Setiap titik mewakili subtipe sel yang berbeda. Hanya gen DE (FDR & lt 0,05) yang diplot untuk kelompok pembanding. The cell subtype is shown in Fig. 3a. D TSNE plots of cell types identified in patients with dynamic study of P6-1 and P6-2 showing the cell type distribution in the two states. e Comparisons of all the cell subtypes of P6-1 and P6-2. F Log2 fold changes of the UMI counts of the genes involved in viral mRNA translation, IFN-I, MAPK targets, and ferroptosis between P6-1 and P6-2. Each point represents a different cell subtype. Only DE genes (FDR < 0.05) were plotted for the comparison group. The cell subtype is shown in Fig. 3a

TCR and BCR expansion in patients with COVID-19

To explore the clonal proliferation of TCR and BCR in COVID-19, we conducted TCR and BCR V(D)J 16,18,24 single-cell transcriptome analysis. Using an integration analysis, we detected 185,430 clonotypic T cells and 28,802 clonotypic B cells in the 28 samples obtained from 19 participants. The repertoire in patients with COVID-19 and controls showed large diversities of the clonotypic T cells and B cells in each individual. The distributions of clonotypic T cells for each patient are shown in Fig. 5a (Supplementary Table S7). By comparing the clonotypic T cells of the seven patients before and after the improvement of disease, we found that the relative quantity of clonotypic T cells of patients decreased from the disease to the cured conditions (Fig. 5b). However, lower clonotypic cells were detected in critical conditions (patient 1–1 and patient 2–1), which might be due to lymphocyte exhaustion during this disease stage. The highest relative quantity of clonotypic T cells was detected in the moderate patient 9 (Fig. 5a, b), which might be due to the expansion of her lymphocytes.

T lymphocytes and B lymphocytes V(D)J clone expansion and TSNE plots of integrated analysis of 5′mRNA, T cell receptor (TCR), and B cell receptors (BCR) of patients with COVID-19. A The number of T cell clones detected by V(D)J in each patient. B The number of T cell clones detected by disease condition and the recovery condition of patients 1, 2, 3, 6, 7, 9, and 10. C The number of B cell clones detected by V(D)J in each patient. D The number of B cell clones detected at disease and recovery conditions of patients 1, 2, 3, 6, 7, 9, and 10. e Clonally related IgH sequences in each patient. F Number of mutations in IgH gene variable regions in different COVID-19 patients. The statistical significance refers to the statistics of different courses of the same patient who had dynamic analysis data. *P < 0,05, **P < 0,01, ***P < 0,001 t-tes. G Clonotypic T cells of hospitalized patients. H Clonotypic T cells of cured patients. Saya Clonotypic B cells of hospitalized patients. J Clonotypic B cells of cured patients. Patients in hospitalized condition: P1-1, P1-2, P2-1, P2-2, P3-1, P6-1, P7-1, P9-1, and P10-1. Patients in cured condition: P1-3, P2-3, P3-2, P6-2, P7-2, P9-2, and P10-2. The detailed cell types of these patients are shown in Fig. 3a. k TSNE plot of a clonotypic T cell (terminal effector CD8 T cells): CVVNYYKAAGNKLTF_CASSLGSAPRELFF (TRAV12-1*01, TRAJ17*01, and TRAC*010 in P2-1, P2-2, and P2-3)

Compared to the clonotypic T cells, the total number of clonotypic B cells detected was much lower (Fig. 5c, d, Supplementary Table S8). The relative quantity of total clonotypic B cells of patients increased with the disease condition improvement (Fig. 5d). The V(D)J segments of the immunoglobulin (Ig) genes are rearranged in an ordered fashion to generate the primary Ig repertoire during the development of B cells before the encounter with antigen during the immune response, activated B cells are clonally expanded within the germinal center and the variable region of Ig genes can be further mutated to produce high-affinity antibodies. 25 Detailed analyses showed that almost all these COVID-19 patients had developed clonally related IgH genes (Fig. 5e). The variable regions of IgH genes from all the patients are highly mutated, with an average of 9.39 nucleotides in each gene (Fig. 5f).

We further performed an integrated analysis of 5′ gene expression libraries, T cell receptor (TCR), and B cell receptor (BCR) data by mapping the clonotypic T cells and clonotypic B cells in the TSNE plot of the 5′ gene expression libraries scRNA data (Fig. 3a) to compare the TCR and BCR expansion of the same patients in hospitalized condition (P1-1, P1-2, P2-1, P2-2, P3-1, P6-1, P7-1, P9-1, and P10-1) and cured condition (P1-3, P2-3, P3-2, P6-2, P7-2, P9-2, and P10-2). We found that the clonotypic T cells in hospitalized conditions are mainly terminal CD8 + effector T cells (Fig. 5g) in cured condition, high-frequency clonotypic T cells in Th1/Th17/Tregs were detected besides terminal CD8+ effector T cells (Fig. 5h, red arrow). For the clonotypic B cells, no excessively high-frequency expansion is found in the hospitalized condition of these patients (Fig. 5i). However, in the cured condition of these patients, high-frequency clonotypic B cells can be detected in the naive B cells (Fig. 5j, red arrow). These results present the cell expansion dynamic landscape of T and B lymphocytes.

The patients with COVID-19 showed different degrees of specific memory T cell expansion or preservation with the disease improvement. Using the scRNA-seq data, we could identify antigen-receptor sequences in the memory clonotypic T cells during different disease conditions. The clonotypic effector memory CD8 T cells with the following TCR variable sequences significantly increased in critical patient 2 at the different stages of the disease. (1) CVVNYYKAAGNKLTF_CASSLGSAPRELFF (TRAV12-1*01, TRAJ17*01 and TRAC*01) had 11 clones in P2-1 (critical), 88 clones in P2-2 (improved) (FDR = 5.99 × 10 −4 , P2-1 vs. P2-2, adjusted binomial probabilities, the same below), and 222 clones in P2-3 (cured) (FDR = 9.48 × 10 −39 , P2-2 vs. P2-3) (Fig. 5k). These clones changed from terminal effector CD8 T cells to effector memory CD8 T cells from disease condition to cured condition (Fig. 5k). (2) CAMKTSYDKVIF_CASTPGDTIYF (TRAV12-3*01, TRAJ50*01, TRAC*01) had 6 clones in P2-1, 23 clones in P2-2 (FDR = 3.92 × 10 −5 , P2-1 vs. P2-2), and 50 clones in P2-3 (FDR = 8.32 × 10 −6 , P2-2 vs. P2-3). (3) CAFRKDTGRRALTF_CASSPQGGGGYTF (TRAV24*01, TRAJ5*01, TRAC*01) had 4 clones in P2-1, 12 clones in P2-2 (FDR = 9.75 × 10 −4 , P2-1 vs. P2-2), and 24 clones in P2-3 (FDR = 0.01, P2-2 vs. P2-3). These clonotypic cells expansions and preservations may be related to the memory of SARS-CoV-2 antigens in patients.

By analyzing Ig coding genes that changed during the course of the disease, we found that the highest changed genes belonged to the IGHV3 family (IGHV3-21, IGHV3-22, IGHV3-30, IGHV3-48, IGHV3-49, IGHV3-72, dll.). Other families, such as IGKV1, IGKV3, IGLV2, IGLV3, IGLV1, dan IGHV4, were also highly changed in different disease conditions (Fig. S31a). The values of IgG and IgM of these samples were shown in Supplementary Fig. S31b. In the recently cured condition, patients had more Ig genes than normal controls (Supplementary Fig. S32). Together, the adaptive immunity involved in B cell antibody production may play a crucial role in the fight against SARS-COV-2.

Experimental detection of IFN-I and MAPK signals

From the scRNA-seq analysis, we found that a set of genes involved in the IFN-I, MAPK pathways were stably upregulated in patients with COVID-19. To further validate this finding, we performed quantitative real-time reverse transcriptase-polymerase chain reaction (real-time RT-PCR) testing to detect the expressions of related genes in another cohort of 38 patients with COVID-19, including three critical, three severe, 19 moderate, three mild, and 10 cured patients with COVID-19 and 35 normal controls (Fig. 6a). IFI27, a reported biomarker of influenza distinct from bacterial infection, 26 was the strongest upregulated gene in patients with COVID-19 in the scRNA-seq data. It was upregulated 8.1 times in critical patients, 51.7 times in severe patients, 39.9 times in moderate patients, 38.6 times in mild patients, and 29.5 times in cured patients compared with the normal controls (Fig. 6a). We performed PBMC immunofluorescence testing to compare the protein expressions of IFI27 between patients with COVID-19 and the controls. Immunofluorescence staining showed that IFI27 was highly expressed in the lymphocytes of patients with COVID-19 but only partially expressed in the lymphocytes of the controls (Fig. 6b, c). Another gene in the IFN-I pathway, BST2, also showed upregulation in patients with COVID-19 compared with controls (Fig. 6a). These results suggest that IFI27 dan BST2 are candidate marker genes for SARS-CoV-2 infection. Consistent with our scRNA-seq data, the expression profile of FOS, which is a transcription factor mediating the MAPK pathway, showed significant upregulation in patients with COVID-19 but obvious downregulation in recovered patients by real-time RT-PCR analysis (Fig. 6a). Ini menunjukkan bahwa FOS is a candidate marker for COVID-19 patient recovery.

Experimental validation of IFN-I signaling. A Real-time PCR validation of IFI27 dan BST2 in the interferon pathway and FOS in the MAPK pathway. IFI27 dan BST2 are upregulated in patients with COVID-19. FOS is upregulated in hospitalized patients but downregulated in cured patients (n = 3 for critical, n = 3 for severe, n = 19 for moderate, n = 3 for mild, and n = 10 for cured patients with COVID-19 and 35 normal controls). *P < 0,05, **P < 0,01, ***P < 0.001 Student’s T-tes. B Statistical significance of IFI27 immunofluorescence signal comparing COVID-19 and normal controls. *p < 0.05 **p < 0.01 ***P < 0,001. C Immunofluorescence staining of IFI27 in PBMCs of patients with COVID-19 and normal controls. D IFN-α concentration in serum of 257 patients with COVID-19 and 106 matched tested by ELISA, including of the severe and critical group (12.02 ug/mL ± 2.80, n = 68), the moderate group (23.99 g/mL ± 4.840, n = 133 patients), the mild group (20.29 ug/mL ± 7.732, n = 34 patients), and the cured group (9.637 ug/mL ± 1.184, n = 22 patients). *P < 0,05, **P < 0,01, ***P < 0.001 one-way ANOVA

We further measured total IFN-α concentration in the serum of 257 patients with COVID-19 and 106 matched controls by using enzyme-linked immunosorbent assay (ELISA). The patients were placed into four groups: the critical and severe group, the moderate group, the mild group, and the cured group. We found that the total IFN-α level was significantly increased in patients than in controls (P < 0.001, 17.79 ug/mL ± 2.55 vs. 6.42 ug/mL ± 0.703). IFN-α was increased dramatically in the moderate group (P < 0.001, 23.99 ug/mL ± 4.840, n = 133 patients) and mild (P < 0.001, 20.29 ug/mL ± 7.732, n = 34 patients) patients (Fig. 6d). The IFN-α concentration in the serum of the critical and severe group is 12.02 ug/mL ± 2.80 (n = 68) and the cured group is 9.637 ug/mL ±1.184 (n = 22, P < 0.05,) (Fig. 6d). This result suggests that patients in moderate condition produced the highest level of IFN-α.


Link between blood clotting, immune response uncovered

Rice University researchers have found an unexpected link between a protein that triggers the formation of blood clots and other proteins that are essential for the body's immune system. The find could lead to new treatments for thousands of patients who suffer from inflammatory diseases and disorders that cause abnormal blood clotting.

The research is available online in the journal PLOS SATU.

"This link opens the door for studying severe, debilitating inflammatory disorders where the disease mechanism is still poorly understood, including lupus, rheumatoid arthritis, regional ileitis and ulcerative colitis, as well as age-related macular degeneration," said study co-author Dr. Joel Moake, a hematologist and senior research scientist in bioengineering at Rice. "There's clinical evidence that clotting and inflammation are somehow linked in many patients, even in the absence of an infection. This linkage could help explain some of the clinical cases that have long baffled physicians."

The link is biochemical. Nancy Turner, a research technician in Moake's lab, established the link after conducting hundreds of experiments on more than a dozen proteins, including key molecules involved with both clotting and the body's innate immune response.

"In addition to the clinical evidence, there's also a logical basis for this connection," Moake said. "Clotting is a type of wound response, and wounds are magnets for infection, so there could be a selective advantage in triggering both responses at the same time."

But the link could also have a downside. For example, if a person has a genetic mutation or acquired disorder that causes their blood to clot more often or more extensively than normal, the overactive clotting could lead to the kind of inflammation that would typically be caused by an infection. Furthermore, initiation of the clotting process may initiate clinical relapses in patients susceptible to various types of severe inflammatory disease.

In fact, the symptoms in the above scenarios are not uncommon. For example, in prior research, Moake's lab conducted pioneering research on two disorders: thrombotic thrombocytopenic purpura (TTP), which causes clots to form in small blood vessels throughout the body and hemolytic uremic syndrome (HUS), which causes abnormal blood clots in the kidneys. Both HUS and TTP come in two varieties -- one that is triggered by infection or inappropriate antibody formation, and another that is hereditary. Moake said the newfound link between clot formation and the immune response could help improve the diagnosis and treatment for TTP, HUS and other puzzling blood disorders with similar symptoms.

The experiments Turner used to establish the link between clotting and the body's immune response involved a key clotting protein called von Willebrand factor (VWF) and about a dozen other proteins that are components of the "complement system." The complement system, a part of the body's innate immune system, is one of biology's most ancient forms of defense against invading pathogens.

The complement system consists of a series of proteins that are produced by a variety of cell types. These proteins circulate continuously in the bloodstream and react sequentially upon activation. When triggered, the complement component proteins join together to form a biological weapon called the "membrane attack complex" (MAC), which kills both invading bacteria and the body's own cells if they become infected or damaged.

Turner and Moake first thought of looking for the link more than two years ago after they collaborated with physicians at Texas Children's Hospital on several puzzling clinical cases. Turner designed and conducted a series of experiments to examine whether any of the proteins in the complement complex were likely to bind onto long strands of VWF. Each complement protein was detected with a specific antibody and a fluorescent tag that could be viewed with a specialized microscope.

She found that C3, an important complement pathway initiator protein, was produced by cells in such low concentration that it was almost impossible to see -- even with a fluorescent microscope. But that changed when she looked at experimental samples that contained both C3 and VWF.

"The signals were so clear," Turner recalled. "The VWF had so much C3 on it that it looked like a Christmas tree."

Moake said he and Turner are conducting follow-up research to measure more effectively the activation of C3 on VWF. They are also measuring whether the C3 activation stimulates the sequential cascade of reactions that leads to MAC formation. In particular, they are interested in studying how the connection might lead to autoimmune diseases by causing MAC to target the body's own healthy cells rather than sick or damaged cells.

"We'd like to know what happens on a cell's surface that ordinarily enables it to protect itself against MAC," Moake said. "We'd also like to know what can go wrong with cells in terms of sickness or trauma that might make them more susceptible to being attacked and killed by overactivation of the complement sequence during clotting."


Terkait

Wyss Institute
Center for Life Science Bldg.
3 Blackfan Circle
Boston, MA 02115
Map and directions


Viral Antigens

A virus antigen is a toxin or other substance given off by a virus which causes an immune response in its host. A viral protein is an antigen specified by the viral genome that can be detected by a specific immunological response.

Viral Morphology and Structure

Viruses are complexes consisting of protein and an RNA or DNA genome. They lack both cellular structure and independent metabolic processes. They replicate solely by exploiting living cells based on the information in the viral genome.

A mature virus particle is also known as a virion. It consists of either two or three basic components (Figure 1):

1. A genome of DNA or RNA, double-stranded or single-stranded, linear or circular, and in some cases segmented. A single-stranded nucleic acid can have plus or minus polarity.
2. The capsid, virus-coded proteins enclosing the nucleic acid of the virus and determining its antigenicity the capsid can have a cubic (rotational), helical or complex symmetry and is made up of subunits called capsomers.
3. In some cases an envelope that surrounds the capsid and is always derived from cellular membranes.

Other Components of Viral Particles:

4. Various enzymes. Viruses require a number of different enzymes depending on genome type and mode of infection. In several virus species enzymes are a component of the virus particle, for example the neuraminidase required for invasion and release of myxoviruses. Other examples include nucleic acid polymerases such as the RNA-dependent RNA polymerases in antisense viruses, the DNA polymerases in smallpox viruses and the RNA-dependent DNA polymerase in hepatitis B viruses and retroviruses.
5. Hemagglutinin. Some viruses (above all myxoviruses and paramyxoviruses) are capable of agglutinating various different human or animal erythrocytes. These viruses bear a certain surface protein (hemagglutinin) in their envelope that enables them to do this. The hemagglutination phenomenon can be made use of for quantitative viral testing or—in the hemagglutination inhibition test—for virus identification and antibody identification. In biological terms, hemagglutinin plays a decisive role in adsorption and penetration of the virus into the host cell.

Figure 1. Viral structure (a) and replication (b).

Principles of Viral Diseases

Viral disease is some harmful abnormality that results from viral infection of the host organism. Important principles that pertain to viral disease include the following: (1) many viral infections are subclinical (Figure 2) (2) the same disease may be produced by a variety of viruses (3) the same virus may produce a variety of diseases (4) the disease produced bears no relationship to viral morphology and (5) the outcome in any particular case is determined by both viral and host factors and is influenced by the genetics of each. Important features of two general categories of acute viral diseases (local, systemic) are compared in Table 1.

Table 1. Important Features of Acute Viral Diseases


Local Infections Systemic Infections
Specific disease example
Site of pathology
Incubation period
Viremia
Duration of immunity
Role of secretory antibody (IgA) in resistance
Respiratory(rhinovirus)
Portal of entry
Relatively short
Tidak hadir
Variable—may be short
Usually important
Measles
Distant site
Relatively long
Hadiah
Usually lifelong
Usually not important

To produce disease, viruses must enter a host, come in contact with susceptible cells, replicate, and produce cell injury. Specific steps involved in viral pathogenesis are the following: viral entry into the host, primary viral replication, viral spread, cellular injury, host immune response, viral clearance or establishment of persistent infection, and viral shedding.


METHODS article

Rym Ben-Othman 1,2 , Bing Cai 1 , Aaron C. Liu 1 , Natallia Varankovich 1 , Daniel He 1 , Travis M. Blimkie 3 , Amy H. Lee 4 , Erin E. Gill 3 , Mark Novotny 5 , Brian Aevermann 5 , Sibyl Drissler 6 , Casey P. Shannon 7 , Sarah McCann 1 , Kim Marty 1 , Gordean Bjornson 1 , Rachel D. Edgar 8 , David Tse Shen Lin 8 , Nicole Gladish 8 , Julia Maclsaac 8 , Nelly Amenyogbe 2 , Queenie Chan 9 , Alba Llibre 10 , Joyce Collin 11 , Elise Landais 11,12 , Khoa Le 11,12 , Samantha M. Reiss 13 , Wayne C. Koff 14 , Colin Havenar-Daughton 13 , Manraj Heran 15 , Bippan Sangha 15 , David Walt 16 , Mel Krajden 17 , Shane Crotty 13 , Devin Sok 11,12 , Bryan Briney 11 , Dennis R. Burton 11 , Darragh Duffy 10 , Leonard J. Foster 9 , William W. Mohn 18 , Michael S. Kobor 8 , Scott J. Tebbutt 7,19 , Ryan R. Brinkman 6,20 , Richard H. Scheuermann 5,13 , Robert E. W. Hancock 3 , Tobias R. Kollmann 1,2 and Manish Sadarangani 1*
  • 1 Vaccine Evaluation Center, BC Children’s Hospital Research Institute, Vancouver, BC, Canada
  • 2 Telethon Kids Institute, University of Western Australia, Nedlands, WA, Australia
  • 3 Centre for Microbial Diseases and Immunity Research, University of British Columbia, Vancouver, BC, Canada
  • 4 Simon Fraser University, Burnaby, BC, Canada
  • 5 Department of Informatics, J. Craig Venter Institute (La Jolla), La Jolla, CA, United States
  • 6 Terry Fox Laboratory, Vancouver, BC, Canada
  • 7 Prevention of Organ Failure (PROOF) Centre of Excellence and Centre for Heart Lung Innovation, St. Paul's Hospital, Vancouver, BC, Canada
  • 8 Centre for Molecular Medicine and Therapeutics, Department of Medical Genetics, University of British Columbia, Vancouver, BC, Canada
  • 9 Department of Biochemistry and Molecular Biology, Faculty of Medicine, University of British Columbia, Vancouver, BC, Canada
  • 10 Translational Immunology Lab, Institut Pasteur, Paris, France
  • 11 Department of Immunology and Microbiology, The Scripps Research Institute, La Jolla, CA, United States
  • 12 IAVI Neutralizing Antibody Center, The Scripps Research Institute, La Jolla, CA, United States
  • 13 Center for Infectious Disease and Vaccine Research, La Jolla Institute for Immunology (LJI), La Jolla, CA, United States
  • 14 Human Vaccines Project, New York, NY, United States
  • 15 Department of Radiology, BC Children’s Hospital, Vancouver, BC, Canada
  • 16 Wyss Institute at Harvard University, Department of Pathology, Brigham and Women’s Hospital, Harvard Medical School, Boston, MA, United States
  • 17 British Columbia Centre for Disease Control, Vancouver, BC, Canada
  • 18 Department of Microbiology and Immunology, Life Sciences Institute, University of British Columbia, Vancouver, BC, Canada
  • 19 Department of Medicine, Division of Respiratory Medicine, University of British Columbia, Vancouver, BC, Canada
  • 20 Department of Medical Genetics, University of British Columbia, Vancouver, BC, Canada

Conventional vaccine design has been based on trial-and-error approaches, which have been generally successful. However, there have been some major failures in vaccine development and we still do not have highly effective licensed vaccines for tuberculosis, HIV, respiratory syncytial virus, and other major infections of global significance. Approaches at rational vaccine design have been limited by our understanding of the immune response to vaccination at the molecular level. Tools now exist to undertake in-depth analysis using systems biology approaches, but to be fully realized, studies are required in humans with intensive blood and tissue sampling. Methods that support this intensive sampling need to be developed and validated as feasible. To this end, we describe here a detailed approach that was applied in a study of 15 healthy adults, who were immunized with hepatitis B vaccine. Sampling included

350 mL of blood, 12 microbiome samples, and lymph node fine needle aspirates obtained over a

7-month period, enabling comprehensive analysis of the immune response at the molecular level, including single cell and tissue sample analysis. Samples were collected for analysis of immune phenotyping, whole blood and single cell gene expression, proteomics, lipidomics, epigenetics, whole blood response to key immune stimuli, cytokine responses, in vitro T cell responses, antibody repertoire analysis and the microbiome. Data integration was undertaken using different approaches—NetworkAnalyst and DIABLO. Our results demonstrate that such intensive sampling studies are feasible in healthy adults, and data integration tools exist to analyze the vast amount of data generated from a multi-omics systems biology approach. This will provide the basis for a better understanding of vaccine-induced immunity and accelerate future rational vaccine design.


Why would blood type matter?

Since the early days of the pandemic, several studies of coronavirus patients have uncovered trends in what blood types seem to become infected most often, Live Science previously reported.

"Many studies have found associations between blood groups and propensity for SARS-CoV-2 infections," in particular, showing that people with type O blood have a lower risk of catching COVID-19, dibandingkan dengan non-O blood types, said Dr. Torben Barington, a clinical immunologist at Odense University Hospital and the University of Southern Denmark, who was not involved in the study. People with type A blood may also be more likely to develop severe symptoms and respiratory failure when they do contract the virus, some studies found.

"Several hypotheses have been proposed for these associations, but we still need to learn what the mechanisms actually are," Barington told Live Science in an email. This new study hints at a possible explanation for why SARS-CoV-2 may infect blood type A individuals more easily than type O &mdash though it doesn't explain why type B is also linked to more infections than type O, he noted.

Stowell said that he and his colleagues were curious about the link between blood type and COVID-19, but that they actually struck inspiration for their new study while developing a diagnostic test for the disease.

While creating the test, "we started looking at different parts of the virus and realized that the receptor binding domain … it looks very similar to an ancient group of proteins called galectins," Stowell said.

Galectins can be found in all multicellular animals and bind to karbohidrat, or sugar structures, known as glycans in humans, galectins can be found all over the body and participate in many processes, from muscle development to metabolism to immune cell behavior, Stowell said.

In the past, "we've observed that galectins really love to bind to blood group antigens," proteins and molecules that are specific to different blood groups and stick off the surface of cells. Blood group antigens come in two flavors &mdash A and B &mdash and the presence or absence of these antigens determine a person's blood group &mdash A, B, AB, which has both, or O, which has neither, according to the American Red Cross. The antigens are found not only on blood cells in the body, but also on other tissues, including the lining of the lungs.

Given the molecular similarity between the coronavirus RBD and galectins, "we thought, 'Well, maybe the virus directly binds to blood group antigens,'" Stowell said. If that were the case, blood group antigens may somehow influence the likelihood of the infection taking hold, he said. For example, some viruses accrue on cells by first grabbing hold of glycans on their surfaces, according to a 2016 report in the journal Current Opinion in Structural Biology the viruses then let go of these glycans to slip through nearby entryways into the cell, triggering infection.

Something similar could potentially be happening with blood group antigens and SARS-CoV-2, the authors thought. With this hypothesis in hand, the team headed to the lab to run experiments.


Antigenic Characterization

&ldquoAntigens&rdquo are molecular structures on the surface of viruses that are recognized by the immune system and are capable of triggering an immune response (antibody production). On influenza viruses, the major antigens are found on the virus&rsquo surface proteins (see Figure 1).

When someone is exposed to an influenza virus (either through infection or vaccination) their immune system makes specific antibodies against the antigens (surface proteins) on that particular influenza virus. The term &ldquoantigenic properties&rdquo is used to describe the antibody or immune response triggered by the antigens on a particular virus. &ldquoAntigenic characterization&rdquo refers to the analysis of a virus&rsquo antigenic properties to help assess how related it is to another virus.

CDC antigenically characterizes about 2,000 influenza viruses every year to compare how similar currently circulating influenza viruses are to those that were included in the influenza vaccine and to monitor for changes in circulating influenza viruses. Antigenic characterization can give an indication of the flu vaccine&rsquos ability to produce an immune response against the influenza viruses circulating in people. This information also helps experts decide what viruses should be included in the upcoming season&rsquos influenza vaccine.

Other information that determines how similar a circulating virus is to a vaccine virus or another virus are the results of serology tests and genetic sequencing.

The above image shows the different features of an influenza virus, including the surface proteins hemagglutinin (HA) and neuraminidase (NA). Following influenza infection or receipt of the influenza vaccine, the body&rsquos immune system develops antibodies that recognize and bind to &ldquoantigenic sites,&rdquo which are regions found on an influenza virus&rsquo surface proteins. By binding to these antigenic sites, antibodies neutralize flu viruses, which prevents them from causing further infection.

The Hemagglutinin Inhibition Assay (HI Test)

Scientists use a test called the hemagglutinin inhibition (HI) assay to antigenically characterize influenza viruses. The HI test works by measuring how well antibodies bind to (and thus inactivate) influenza viruses.

Scientists use the HI test to assess the antigenic similarity between influenza viruses. This test is particularly useful for helping to select the vaccine viruses used in the seasonal flu vaccine. HI test results can tell us whether antibodies developed against vaccination with one virus are antigenically similar enough to another circulating influenza virus to produce an immune response against that circulating virus. Scientists also use the HI test to compare antigenic changes in currently circulating influenza viruses with influenza viruses that have circulated in the past.

The HI test involves three main components: antibodies, influenza virus, and red blood cells that are mixed together in the wells (i.e., cups) of a microtiter plate. (See Image 1.)

A microtiter plate is used to perform the HI test. The plate contains wells (i.e., cup-like depressions that can hold a small amount of liquid) where the solution of antibodies, influenza virus and red blood cells are inserted and allowed to interact. These wells are arranged according to rows and columns (which are identified on the microtiter plate by letters and numbers, respectively). The rows of the plate can be used to test different influenza viruses against the same set of antibodies. The columns can be used to differentiate between greater dilutions of antibodies, like a scale from low to high going from left to right (see Figures 3 and 4 for an example).

The antibodies used in the HI test are obtained by infecting an animal (usually a ferret) that is immunologically naïve (i.e., it has not been exposed to any influenza virus or vaccine previously in its lifetime). The animal&rsquos immune system creates antibodies in response to the antigens on the surface of the specific flu virus that was used to infect that animal. To study these antibodies, a sample of blood (serum) is drawn from the animal. The HI test measures how well these antibodies recognize and bind to other influenza viruses (for example, influenza viruses that have been isolated from flu patients). If the ferret antibodies (that resulted from exposure to the vaccine virus) recognize and bind to the influenza virus from a sick patient, this indicates that the vaccine virus is antigenically similar to the influenza virus obtained from the sick patient. This finding has implications for how well the vaccine might work in people. See Flu Vaccine Effectiveness: Questions and Answers for Health Professionals for more information.

As previously mentioned, the influenza viruses used in the HI test are taken from samples from sick people. CDC and other WHO collaborating centers collect specimens from people all over the world to track which influenza viruses are infecting humans and to monitor how these viruses are changing.

For the HI test, red blood cells (RBCs) are taken from animals (usually turkeys or guinea pigs). They are used in the HI test because influenza viruses bind to them. Normally, RBCs in a solution will sink to the bottom of the assay well and form a red dot at the bottom (Figure 2A). However, when an influenza virus is added to the RBC solution, the virus&rsquo hemagglutinin (HA) surface proteins will bind to multiple RBCs. When influenza viruses bind to the RBCs, the red cells form a lattice structure (Figure 2B). This keeps the RBCs suspended in solution instead of sinking to the bottom and forming the red dot. The process of the influenza virus binding to RBCs to form the lattice structure is called &ldquohemagglutination.&rdquo

The HI test involves the interaction of red blood cells (RBCs), antibody and influenza virus. Row A shows that in the absence of virus, RBCs in a solution will sink to the bottom of a microtiter plate well and look like a red dot. Row B shows that influenza viruses will bind to red blood cells when placed in the same solution. This is called hemagglutination and is represented by the formation of the lattice structure, depicted in the far right column under &ldquoMicrotiter Results.&rdquo Row C shows how antibodies that are antigenically similar to a virus being tested will recognize and bind to that influenza virus. This prevents the virus and RBCs from binding, and therefore, hemagglutination does not occur (i.e., hemagglutination inhibition occurs instead).

When antibodies are pre-mixed with influenza virus followed by RBCs, the antibodies will bind to influenza virus antigens that they recognize, covering the virus so that its HA surface proteins can no longer bind to RBCs (Figure 2C). The reaction between the antibody and the virus inhibits (i.e., prevents) hemagglutination from occurring, which results in hemagglutination inhibition (as shown in Figure 2C). This is why the assay is called a &ldquohemagglutinin inhibition (HI) test.&rdquo Hemagglutination (as depicted in Figure 2B) occurs when antibodies do not recognize and bind to the influenza viruses in the solution, and as a result, the influenza viruses bind to the red blood cells in the solution, forming the lattice structure. When the antibodies do recognize and bind to the influenza viruses in the solution, this shows that the vaccine virus (like the one the ferrets were infected with) has produced an immune response against the influenza virus obtained from the sick patient. When this happens, the influenza virus being tested is said to be &ldquoantigenically like&rdquo the influenza virus that created the antibodies (from ferrets).

When a circulating influenza virus is antigenically different from a vaccine or reference virus, the antibodies (developed in response to the vaccine or reference virus) will not recognize and bind to the circulating influenza virus&rsquo surface antigens. In the HI test this will cause hemagglutination to occur (see Figure 2B). This indicates that the vaccine virus or reference virus has not caused an immune response (i.e., the creation of antibodies) that recognizes and targets the circulating influenza virus. Circulating influenza viruses tested via the HI test are typically obtained from respiratory samples collected from ill patients.

Assessing Antigenic Similarity Using the HI Test

The HI test assesses the degree of antigenic similarity between two viruses using a scale based on greater dilutions of antibodies. As previously mentioned, the HI test is performed using a microtiter plate. The microtiter plate contains rows and columns of wells (i.e., cups) where RBCs, influenza virus and antibodies (developed against a comparison virus, such as a vaccine virus) are mixed. Dilutions are marked across the top of the microtiter plate. These dilutions function as a scale for assessing antigenic similarity and immune response. By testing the ability of greater dilutions of antibody to prevent hemagglutination, scientists measure how well those antibodies recognize and bind to (and therefore inactivate) an influenza virus. The higher the dilution, the fewer antibodies are needed to block hemagglutination and the more antigenically similar the two viruses being compared are to each other. The highest dilution of antibody that results in hemagglutinin inhibition is considered a virus&rsquos HI titer (Figure 3). Higher HI titers are associated with greater antigenic similarity. Greater antigenic similarity suggests that vaccination would produce an immune response against the test virus.

This virus sample has an HI titer of 1280, which means that the greatest dilution of antibody that still blocked hemagglutination from occurring was at 1280 dilution. At this dilution, the antibodies were still capable of recognizing and binding to the antigens on the virus.

When CDC antigenically characterizes influenza viruses to inform decisions on the formulation of the seasonal flu vaccine, the HI test is used to compare currently circulating viruses (B&C) with vaccine viruses (A). This allows scientists to quickly determine if a virus used in the seasonal flu vaccine is antigenically similar to circulating influenza viruses and therefore capable of producing an immune response against them.

Public health experts consider influenza viruses to be antigenically similar or &ldquolike&rdquo each other if their HI titers differ by two dilutions or less. (This is equivalent to a two-well (i.e., a four-fold dilution) or less difference). Using figure 4 as an example, when circulating virus 1 is compared to a vaccine virus, circulating virus 1 differs by one dilution (a 2-fold difference) and therefore is &ldquolike&rdquo the previous season&rsquos vaccine virus. However, circulating virus 2 differs by five dilutions (a 32-fold difference) and therefore is not like the previous season&rsquos vaccine virus. Circulating viruses that are antigenically dissimilar (i.e., not &ldquolike&rdquo) the reference panel are considered &ldquolow reactors.&rdquo

Keterbatasan

Antigenic characterization gives important information about whether a vaccine made using a specific vaccine virus will protect against circulating influenza viruses, but there are several limitations to antigenic characterization test methodology, which are described below.

Egg Adaptations

Right now, most flu vaccines are made using viruses grown in eggs. As human influenza viruses adapt to grow in eggs, genetic changes can occur in the viruses. These are called &ldquoegg-adapted&rdquo changes. Some egg-adapted changes may change the virus&rsquo antigenic (or immunogenic) properties while others may not. Egg-adapted changes have become a particular problem for selection of candidate vaccine viruses (CVVs) for the influenza A(H3N2) virus component of the flu vaccine. Influenza A(H3N2) viruses tend to grow less well in chicken eggs than influenza A(H1N1) viruses and they also are more prone to egg-adapted changes. Such changes can reduce the immune protection provided by the flu vaccine against circulating A(H3N2) viruses.


Tonton videonya: Konsep umum: Dasar sistem imun, sistem pertahanan tubuh, imunologi (November 2022).