T细胞受体信号转导通路的动力学分析Word格式.docx
- 文档编号:14303598
- 上传时间:2022-10-21
- 格式:DOCX
- 页数:8
- 大小:23.19KB
T细胞受体信号转导通路的动力学分析Word格式.docx
《T细胞受体信号转导通路的动力学分析Word格式.docx》由会员分享,可在线阅读,更多相关《T细胞受体信号转导通路的动力学分析Word格式.docx(8页珍藏版)》请在冰豆网上搜索。
【关键词】T细胞受体;
信号转导;
动力学模型
T细胞特异性抗原或TCR/CD3的特异性抗体可引发T细胞跨膜受体和膜周围的其它信号分子的活化,并引发T细胞形态改变、细胞因子分泌、细胞粘附性改变等免疫应答,从而调剂T细胞的增殖、分化或凋亡,该进程涉及一系列下游信号转导和基因表达调控。
T细胞活化时信号传递由T细胞表面抗原识别受体(Tcellreceptor,TCR)介导,外来信号经受体及相关蛋白传递给胞内的蛋白酪氨酸激酶,尔后启动三条下游信号途径:
一为磷脂酶C-γ1(Phospholipase-Cγ1,PLC-γ1)介导的信号途径,二为Ras-MAPK途径,三为共刺激分子介导的磷酸肌醇激酶-3(PI3K)辅助信号途径。
同时,为维持免疫应答的平稳,幸免过度活化,T细胞的活化进程还受到抑制性信号通路的调剂,这些通路彼此交织,组成一个十分复杂的T细胞活化调控网络[1]。
随着各类复杂的信号转导网络中各个分子通道的确信,如何从系统水平上定量地分析各信号转导网络的动态特点就成为当前系统生物学的研究重点。
除各类并行、高通量的实验技术外,数学建模和仿真是另外一种研究复杂生化网络的强有力手腕,比如在细胞代谢研究领域已经很普遍地利用数学模型分析具有多个调控环的代谢网络[2]。
实践说明,通过成立生化网络的数学模型并进行运算机仿真能够拟合现有的实验数据,说明实验中观测到的现象,预测一些不能通过当前实验手腕取得的结果,减少实验的强度和数量,并验证明验提出的可能机制。
本研究成立了T细胞受体信号转导途径的动力学模型,通过模型仿真揭露了T细胞受体信号途径各分子间的动态调控进程,并对模型的动力学特性进行了简要分析。
1材料与方式
T细胞受体信号转导途径
T细胞受体信号转导途径(图1)摘自KEGG数据库()。
本研究依照有关中英文文献,对图中涉及的信号转导相关分子之间的作用方式及数量关系进行了详细研究和确证,并据此概念整个信号转导途径的变量(包括自变量和因变量)和变量之间的关系。
动力学建模
本研究采纳S-系统方程(S-systemequations)[2]来描述信号转导的生化级联反映进程。
关于含有n个因变量X1,X2,…,Xn(其数量随时刻而转变)和m个自变量Xn+1,Xn+2,…,Xn+m(一样设定为某些不变常量)的生化级联反映系统,其动力学时变方程能够表达为:
dXi/dt=V+i-V-ii=1,2,…,n
(1)
式中Xi的生产函数Vi+=Vi+(X1,…,Xn,Xn+1,…,Xn+m)和消耗函数Vi-=Vi-(X1,…,Xn,Xn+1,…,Xn+m)是所有变量的函数,式
(1)用S-系统方程可表达为:
dXi/dt=αin+mj=1Xgijj-βin+mj=1Xhijji=1,2,…,n
(2)
式
(2)中αi和βi(αi、βi&
gt;
0)别离表示生产函数和消耗函数的速度常数,gij和hij别离表示变量Xj在因变量Xi的生产和消耗进程中的动力学阶,其中gij或hij&
0表示Xj在Xi的生产或消耗进程中起"
正"
调控作用,反之,若是gij或hij&
lt;
0那么表示Xj在Xi的生产或消耗进程中起“负”调控作用,而当gij或hij=0时那么表示Xj在Xi的生产或消耗进程中不起任何调控作用。
Note:
BasedonKEGGdatabase图1T细胞受体信号转导途径
为简便起见,本研究以一个范例来概要整个建模进程。
图2显示了经典的带有“正”“负”调控作用的信号级联反映进程。
级联反映中前体X3、X4通过两步反映(比如磷酸化)衍生出活性产物X一、X2,其中上一级反映产物阻碍下一级反映。
该级联反映由系统输入X5启动,而当终产物X2足够多时,那么通过负反馈作用抑制X1的生成,从而整个进程得以减缓。
positiveregulation;
⊙negetiveregulation
图2带有反馈的两步级联反映
该进程中X一、X2是因变量,而X3~X5那么被以为是自变量,其动力学用S-系统方程可表达为:
dX1/dt=α1Xg122Xg133Xg155-β1Xh111
dX2/dt=α2Xg211Xg244-β2Xh222(3)
X3,X4,X5=常数
由于式(3)中前体X3、X4是常数,其对X一、X2生产函数的奉献能够别离归并为速度常数α一、α2,因此为幸免估量更多参数,能够不考虑活性产物前体的作用(但又不阻碍分析结果),式(3)可改写为:
dX1/dt=α1Xg122Xg155-β1Xh111
dX2/dt=α2Xg211-β2Xh222(4)
与上述范例类似,本研究对T细胞受体信号途径的动力学模拟一概不考虑活性产物的前体,而只研究活性产物受到的“正”“负”调控作用。
事实上,图1所示即是不考虑前体分子的T细胞受体信号转导途径。
基于图1,本研究第一总结出阻碍每一个因变量分子的生产和消耗函数的“正”“负”调控分子,然后依照范例所示成立其S-系统方程。
参数估量
除定性的数据,目前尚未文献提供T细胞受体信号转导途径中各分子间彼此作用的数量关系。
另一方面,本研究并非旨在对该途径的精准定量特点进行模型研究,而只是试图通过成立“数量级模型(order-of-magnitudemodel)”[2]来论述模型结构的整个动力学性质,为从系统水平上进一步明白得T细胞受体信号转导途径奠定基础。
因此,本研究采纳前人总结的体会来估量每一进程的速度常数和动力学阶的值。
事实上,对最近几年来的生化模拟系统所做的近1000次的动力学阶的分析说明,未受调剂的进程其动力学阶常位于1或,而受调剂的进程其动力学阶通常要小一些。
一样来讲,“正”调控作用的动力学阶常处于0和1之间,而“负”调控作用的动力学阶常位于0和之间[2]。
本研究对模型中未受调剂的进程(一样为单变量)取动力学阶为1;
而关于受调剂的进程(表现为多个变量),“正”调控作用那么采纳动力学阶为,“负”调控作用那么采纳动力学阶为。
速度常数一样对模型结果不是那么灵敏,其大小既与具体的反映进程有关,也取决于时刻单位[2]。
由于本研究并非精准定量模型,故取各因变量分子的生产和消耗函数的速度常数为1。
各反映分子的初始浓度的确信,本研究采纳了“相对浓度”的概念,以幸免浓气宇纲对模型分析的阻碍。
所谓“相对浓度”,即是指某时刻反映分子的浓度与其达到稳态时的浓度的比值:
相对浓度=瞬时浓度/稳态浓度。
文中各自变量,由于其为系统外输入,启动或操纵系统动力学进程之变量,故维持其相对浓度始终为一常数值1;
而关于各因变量,由于皆为信号级联反映进程的产物,故取其相对浓度的初始值为0或无穷小(通常取×
10-10以幸免模型运行中显现故障)。
模型运行
通过科学计算软件的仿真平台Simulink工具箱对已经成立的T细胞受体信号转导途径的S-系统动力学方程进行模型的搭建、调试和仿真运行。
仿真时刻的设定以各因变量分子浓度达到其稳态浓度为上限。
值得注意的是,由于各因变量分子浓度采纳了“相对浓度”,无量纲,而且各因变量分子的生产和消耗函数的速度常数皆取值为1,因此仿真时刻也只是一个相对概念,没有量纲。
对模型别离进行两方面的研究:
模型大体特点的分析;
模型的稳固性分析。
2结果
PLC-γ1介导的信号途径
CD45CD45为T细胞中蛋白酪氨酸磷酸酶(PTPase)的一个典型代表。
研究发觉,CD45可调剂T细胞活化进程的一些起始关键酶如Lck、Fyn的活性。
关于Lck,其催化区含有两个可供调剂的酪氨酸残基(tyr394和tyr505),tyr394是一自身磷酸化位点,可通过自身磷酸化作用使Lck激酶活性上调;
而tyr505的磷酸化那么可使Lck激酶活性下调。
当TCR/CD3识别抗原后,已知两种分子参与了tyr505的调剂进程:
①CD4/CD8胞内段具有蛋白酪氨酸磷酸酶活性,能够通过介导tyr505的去磷酸化来提高Lck激酶活性;
②CD4/CD8和CD45发生共凝集,致使与CD4/CD8分子胞内段相连的Lck的Tyr505位点受到CD45去磷酸化而被激活。
同时,CD45也可能致使了与CD3相连的Fyn的酪氨酸残基去磷酸化而被激活[12]。
模型结果(图3A)显示,CD45经细胞外分子激活后,活性浓度迅速上升,与共受体CD4/CD8一路通过去磷酸化激活Lck,同时也通过去磷酸化激活Fyn,致使Lck和Fyn的活性浓度迅速上升到高位,从而激活ZAP-70的下游级联。
ZAP-70研究发觉,当抗原或抗体与TCR/CD3特异结合后,CD3分子胞浆区的免疫受体酪氨酸活化基序(Immunoreceptortyrosine-basedactivationmotif,ITAM)可被已活化的Src家族酪氨酸激酶Lck和Fyn磷酸化,成为SH2结构域的高亲和力结合位点,与含有SH2结构域的蛋白,如蛋白酪氨酸激酶ZAP-70彼此结合。
同时,由于与TCR/CD3紧邻的CD4/CD8分子的胞浆部份与Lck相联,因此Lck可就近使ZAP-70磷酸化促使其活化[3],活化的ZAP-70可使含SH2结构域的接头蛋白LAT和SLP-76磷酸化[4]。
模型结果显示(图3A~B),TCR/CD3在与抗原或抗体结合后,由于受到Lck和Fyn磷酸化激活,使得其活性浓度迅速升高,从而与ZAP-70彼此结合,而结合后的ZAP-70随即被Lck磷酸化而活化,活性浓度也随即上调,ZAP-70进而通过磷酸化而活化其下游分子LAT和SLP-76,致使LAT和SLP-76活性浓度也随之上升。
SLP-76SLP-76包括一个酸性的N结尾区,该区包括三个酪氨酸磷酸化位点(Tyr-113,Tyr-128,Tyr-145)。
磷酸化后,这些位点能结合VAV、NCK和ITK的SH2区[4]。
SLP-76中部含有脯氨酸富集区和精氨酸富集区,前者与PLC-γ1组成性结合,后者与GRB2相关的下游接头蛋白GADS关联,从而形成SLP-76信号转导复合体[4]。
模型结果也是如此(图3A~C),SLP-76活性浓度的上升致使其召募的分子(包括VAV、NCK、ITK、GADS和PLC-γ1)的浓度增加。
上述信号转导复合体中,ITK要紧作用于:
①PLC-γ1的激活;
②响应TCR刺激,通过激活VAV-Rho/Cdc42途径调剂细胞骨架肌动蛋白重组[5]。
而NCK那么通过激活PAK参与另外一条途径调剂细胞骨架肌动蛋白重组[5]。
模型结果显示(图3B~C),活性上调的ITK通过磷酸化别离活化PLC-γ1和VAV,致使二者活性浓度增加,而活化的VAV那么增进Rho/Cdc42活性上调;
一样,活性上调的NCK那么刺激PAK的活性浓度增加。
活性浓度上升的Rho/Cdc42和PAK别离参与调剂细胞骨架肌动蛋白的重组。
LATLAT是一种跨膜支架蛋白,磷酸化的LAT结合三个蛋白分子:
GADS、PLC-γ一、GRB2。
完成以下功能:
①GADS和SLP-76结合到LAT复合体上,增进SLP-76磷酸化;
②GRB2连接
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 细胞 受体 信号 转导 通路 动力学 分析