Machine Learning approaches for the identification and exploitation of Sequence Motifs in Immunopeptidomes.

Abstract

Las proteínas son moléculas de primordial importancia en, virtualmente, todos los procesos celulares que sustentan la vida. Su relevancia se debe, principalmente, a su capacidad de ejercer una vasta lista de funcionalidades por medio de la unión y/o interacción selectiva con otras moléculas. Estas interacciones ocurren en interfaces proteína-molécula específicas, de naturaleza tridimensional, y se caracterizan por poseer una dinámica de tipo llave-cerradura. Más allá de que es correcto asumir que dichas interacciones son en esencia complejas, en muchos casos contienen pequeños componentes lineales, y por lo tanto pueden ser aproximadas por medio de una interacción de tipo péptido-proteína. Un caso particular de interacción péptido-proteína es la unión de péptidos al Complejo Mayor de Histocompatibilidad (MHC en inglés). El MHC posee un rol clave en el sistema inmune adaptativo de los vertebrados, principalmente gracias a su capacidad de unión y presentación de péptidos antigénicos al espacio extracelular. Luego de dicha presentación, Linfocitos T pueden interactuar con estos MHCs y, si se satisfacen ciertas condiciones, desencadenar una respuesta inmune. De lo antedicho, se torna evidente que existe una fuerte relación entre la inmunidad de los vertebrados y el conjunto de todos los posibles ligandos de MHC. En los últimos años, a dicho conjunto se lo ha denominado Inmunopeptidoma, y el consecuente desarrollo de herramientas científicas para su muestreo e interpretación ha dado a luz al campo de la Inmunopeptidómica. El trabajo aquí presentado comprende el desarrollo de diversas herramientas computacionales de Inmunopeptidómica, en la forma de algoritmos y procesos de Aprendizaje Automático, capaces de ser implementados en la identificación y explotación de la información contenida en un Inmunopeptidoma de interés.

Proteins are molecules of paramount importance in virtually all cellular processes sustaining life. Their relevance rests, to a high degree, in their capacity of exerting a vast range of functionalities by means of selectively binding to (and/or interacting with) other molecules. These interactions occur in specific three dimensional protein-molecule interfaces, and are characterised by a key-lock type of mechanism. While it is safe to assume that such interactions are complex in nature, in many cases they contain a short linear component, and may be approximated by means of a protein-peptide interaction. A particular case of protein-peptide interactions is the binding of peptides to the Major Histocompatibility Complex (MHC) protein. The MHC is a key player in the adaptive cellular immune system of vertebrates, mostly thanks to its capability of binding and presenting antigenic peptides to the extracellular space. After such presentation, T lymphocytes may interact with the loaded MHCs and, if certain conditions are met, an immune response might be fired. From what is stated above, it becomes clear that a strong bond exists between the immunity of vertebrates and the set of all possible MHC binding peptides. In recent years, such a set has been termed the Immunopeptidome, and the consequential development of scientific tools that enable its sampling and interpretation has given birth to the field of Immunopeptidomics. The work presented in this manuscript comprehends the development of several in-silico scientific tools for Immunopeptidomics, shaped in the form of Machine Learning algorithms and pipelines that can be readily deployed to identify and exploit the information contained within a target Immunopeptidome.