从RNA-seq数据恢复CDR3序列:T细胞受体(TCR)库分析的计算与实验策略关键评估及人工智能(AI)增强前景

《Genomics & Informatics》:Recovering CDR3 sequences from RNA-seq data: a critical assessment of computational and experimental strategies

【字体: 大 中 小 】 时间:2026年10月21日 来源:Genomics & Informatics

编辑推荐:

  适应性免疫应答(adaptive immune response)依赖T细胞受体(TCR)多样性以对抗癌症、自身免疫和感染。该多样性编码于CDR3中,CDR3作为每个T细胞克隆的唯一条形码。表征CDR3序列对于追踪克隆动态、识别新抗原反应性T细胞和设计个体化免

  
适应性免疫应答(adaptive immune response)依赖T细胞受体(TCR)多样性以对抗癌症、自身免疫和感染。该多样性编码于CDR3中,CDR3作为每个T细胞克隆的唯一条形码。表征CDR3序列对于追踪克隆动态、识别新抗原反应性T细胞和设计个体化免疫治疗至关重要。尽管TCR-seq仍是基准,现有RNA-seq数据集提供了成本有效的回顾性替代方案。然而,针对TCR富集样本优化的MiXCR和TRUST4等工具,在bulk和单细胞RNA-seq(scRNA-seq)中受限于低转录本丰度和稀疏覆盖。在本综述中,研究人员综合了已发表头对头基准研究中的定量证据,这些研究对相同生物样本进行了匹配的RNA-seq和TCR-seq。这些研究表明,标准RNA-seq通常仅回收TCR-seq鉴定的独特克隆型的3–5%,并显著低估低频克隆;然而,在T细胞丰富组织中,当高测序深度与优化计算流程结合时,RNA-seq可捕获大多数高频克隆型,尽管克隆型频率估计准确性有限且α/β配对回收较差。研究人员综述了从RNA-seq数据回收CDR3序列的计算努力,强调反复出现的障碍:转录本稀缺、片段化、短读长和组装错误。研究人员批判性评估人工智能(AI)是否能克服这些障碍。研究人员还检查了新兴湿实验策略,包括基于探针的富集、FUME-TCRseq和rhTCRseq。研究人员得出结论,RNA-seq不能替代TCR-seq,但具有靶向文库改进的AI增强工具可扩展现有数据集和降解标本的效用。
1 引言
适应性免疫中T细胞通过T细胞受体(TCR)特异性识别自我与非我。TCR的CDR3区由V-D-J(TCRβ链)或V-J(TCRα链)体细胞重组产生,并因连接多样性(junctional diversity)产生约1018种TCRβ链的理论序列空间。CDR3作为T细胞克隆的条形码,用于研究肿瘤和自身免疫病中的克隆扩增。肿瘤浸润淋巴细胞(TILs)与肿瘤抗原的接触、自身反应性克隆识别以及个体化免疫治疗均依赖TCR库分析。配对α–β信息对于确定治疗后扩增克隆、肿瘤抗原识别克隆和记忆克隆至关重要。随着公共RNA-seq数据增长,一个假设是能否计算回收CDR3序列。但基准研究显示RNA-seq与TCR-seq之间存在显著差距。该综述综合计算研究,提炼低转录本丰度、片段化、短读长和组装模糊等限制,并系统综合头对头基准,评估AI驱动方法和湿实验策略。结论是RNA-seq不能替代TCR-seq,但机器学习与靶向实验创新可能缩小差距。

2 T细胞在免疫中的核心作用
T细胞浸润肿瘤微环境成为TILs。肿瘤可依T细胞浸润密度分为“热”或“冷”。TILs存在是治疗反应指标,但克隆结构同样重要。寡克隆(oligoclonal)结构提示免疫系统聚焦新抗原;多克隆(polyclonal)分布提示多数浸润T细胞为旁观者。多数TILs是非反应性旁观淋巴细胞,受免疫抑制微环境抑制。慢性抗原刺激及TGF-β、IL-10等信号导致耗竭,表现为增殖、细胞因子分泌和细胞毒性受损。缺氧、酸中毒和营养竞争也限制T细胞功能。仅小部分TILs保持肿瘤反应性,可增殖、分泌IFN-γ和颗粒酶B(granzyme B)并直接杀伤。分离扩增该群体是个体化癌症免疫治疗目标。理解T细胞成为肿瘤保护性或致病性的因素很重要。

3 金标准TCR-seq
TCR-seq通过PCR或杂交探针靶向TCR恒定区,扩增1000–10,000倍,提供高灵敏度检测稀有克隆。扩增子设计跨越完整V(D)J区,保留V段、CDR3和J段连续连接,这对抗原结合位点三维构象重要。Bulk TCR-seq和单细胞TCR-seq均依赖富集但工作流和信息不同。Bulk TCR-seq分析细胞群体,通量高、成本低,适合大队列。文库制备包括多重PCR、5′ RACE和杂交捕获。多重PCR使用V/J引物,灵敏度高;5′ RACE通过模板转换扩增全长TCR转录本,偏倚较小;杂交捕获使用生物素化探针,适合复杂或降解样本。Bulk方法失去α/β物理配对,不能完全解析抗原特异性。单细胞TCR-seq捕获单个T细胞,保留α/β配对,是确定抗原特异性和表达完整受体的必需。主要方法包括液滴平台如10× Genomics,每样本15,000–20,000细胞,并生成配对转录组;微流控或板式方法如ATLAS-seq,可基于细胞因子分泌筛选抗原反应性T细胞。单细胞TCR-seq的增值不是不同扩增策略。TCR-seq仍有限制:独特CDR3数量因样本类型而异,需要新鲜或妥善保存样本,常需淋巴细胞分离或TCR特异性引物,成本相对高但逐年降低。对于正确克隆型识别、V-CDR3-J连接保留或α–β链信息,专门TCR-seq仍是金标准。

4 RNA-seq挖掘的前景、工具与预期
公共数据库如GEO和SRA中超过百万RNA-seq样本,使回顾性分析数千疾病、治疗和队列的免疫景观具有吸引力。该策略可绕过TCR-seq成本、时间和样本要求,提供纯计算挖掘策略。支持这一预期的是免疫库重建工具:MiXCR可检测V、D、J并生成CDR3,适用于bulk和单细胞,但依赖输入数据质量;TRUST4专为RNA-seq设计,使用de Bruijn图组装短读长,适合肿瘤RNA-seq队列;VDJtools用于下游分析,如克隆多样性、基因使用统计和样本比较;IMGT/HighV-QUEST是序列注释金标准,提供等位基因识别和CDR3界定。期望是运行工具即可获得TCR库,但该期望基于一个常为错误的假设:RNA-seq含足够高质量TCR转录本可可靠组装。

5 定量证据:RNA-seq与TCR-seq的头对头比较
5.1 CDR3回收率与功能性TCR检测
Dabran等比较RNA-seq与TCR-seq,标准RNA-seq仅回收TCR-seq鉴定独特CDR3的3–5%。Barennes等发现RNA-seq方法持续低估克隆多样性,回收率依赖组织类型和TCR转录本丰度。PBMCs等T细胞丰富样本回收改善,实体瘤和低T细胞浸润组织低于1%。
5.2 克隆型重叠与频率估计
匹配PBMC样本中,RNA-seq捕获约40–60%高频克隆型(前100克隆),低频克隆型少于10%。RNA-seq克隆型频率与TCR-seq一致性差(Spearman ρ≈0.3–0.5),主要因3′偏倚和捕获效率变异。这限制其追踪克隆扩增动态。
5.3 低频与高频克隆型回收
RNA-seq偏向高频克隆型。在TIL研究中,RNA-seq可可靠检测占库>0.1%的克隆型,但检测不到<0.01%的克隆。多数肿瘤反应性T细胞克隆稀有,这是新抗原发现的关键限制。
5.4 α/β链配对率
单细胞TCR-seq可实现直接α/β配对。Bulk RNA-seq不能解析配对,单细胞RNA-seq(scRNA-seq)受dropout事件限制配对链回收。10× Genomics scRNA-seq和scTCR-seq直接比较中,仅scRNA-seq配对率低于20%,scTCR-seq>90%。
5.5 免疫库多样性指标一致性
Shannon熵和克隆均匀度等多样性指标被RNA-seq系统性低估。Barennes等报告RNA-seq多样性估计比TCR-seq低30–50%,低估程度与3′偏倚和测序深度相关。
5.6 识别扩增克隆型的敏感性与特异性
定义≥2拷贝为扩增克隆型时,PBMC中RNA-seq相对TCR-seq敏感性约50%、特异性约70%;实体瘤中敏感性<20%,反映低TCR转录本丰度和旁观T细胞存在。
5.7 计算重建方法的影响
TRUST4和MiXCR等高级组装工具较朴素比对改善回收,但不能克服输入数据缺失。基准中TRUST4从RNA-seq回收约比MiXCR多两倍克隆型,但两者远低于TCR-seq。机器学习错误校正可减少假阳性组装,但没有方法能重建无读长跨越V-CDR3-J连接的克隆型。

6 RNA-seq为何失败?五个基本限制
五个技术缺陷:第一,TCR转录本稀有,TCR仅约两万基因之一,在T细胞中TCR转录本占mRNA库远低于0.1%,标准RNA-seq不富集TCR,测序读长多分配给管家基因等。第二,片段化消除连接,RNA-seq将约500 bp的V-CDR3-J转录本片段化,V、CDR3、J常位于不同片段,连接在测序前丢失。第三,短读长不能覆盖全长,双端150 bp仅覆盖300 bp,小于约500 bp TCR转录本,单读长不能跨越V-CDR3-J连接。第四,文库制备偏倚,标准RNA-seq有3′偏倚,而CDR3位于转录本中部,导致系统性低估。第五,生物信息工具限制,MiXCR或TRUST4需要V-CDR3-J连续覆盖,输入短、片段化、偏倚读长时无法恢复物理连接,导致丢弃或错误组装。总之,更深测序、更长读长或更好软件不能挽救,因为连续V-CDR3-J信息在文库制备中破坏且不能事后重建。

7 RNA-seq技术范围:超越短读长平台
上述五个限制适用于常规短读长RNA-seq,其公共数据最多。长读长和全长RNA-seq如PacBio Iso-Seq和Oxford Nanopore Technologies(ONT)可产生>10 kb读长,足以单读跨越V-CDR3-J,直接解决片段化和短读长限制。研究已展示长读长RNA-seq进行TCRα和TCRβ全长重建,与单细胞分区结合可配对链分析。这些平台也减少3′偏倚。但长读长有较高每碱基错误率(尤其ONT)、较低通量和较高成本。且公共>百万样本多为短读长,因此回顾性挖掘主要受短读长数据限制。该综述聚焦常规短读长RNA-seq,长读长作为前瞻性TCR分析的有希望补充。

8 TCR分析超越RNA-seq限制:AI与湿实验创新
领域采取双管齐下策略:计算增强以挖掘现有数据,实验创新以改善输入数据质量,不是替代TCR-seq,而是扩展其可及性。

9 计算策略:AI与机器学习
AI特别是深度学习可处理组装和模糊问题,假设神经网络学习V(D)J重组规则,预测和校正错误。但关键问题:AI能否仅从基因表达谱推断TCR序列。理论TCR序列空间约1018独特β链,表达分布进一步扩大状态空间;转录组约20,000基因连续表达值,存在信息不对称。HLA限制和抗原特异性可能减少有效库空间,但无证据表明表达谱含足够信息从头重建TCR序列。需区分不同应用:已组装库下游分析、基准框架、从RNA-seq直接组装CDR3。后者显示CDR3可计算回收,但回收率低(4–6%浸润T细胞库),受基本限制。AI错误校正和组装改进较可行,深度学习可识别真实V-J重组模式如P/N核苷酸添加频率,过滤嵌合contig,降低假阳性。DeepTCR和ImmunoMap等用于下游分析,但从低质量RNA-seq从头组装仍处研究阶段。生成式库建模设计新TCR是另一领域,不能与从转录组推断天然TCR混淆。

10 湿实验创新
10.1 基于探针的富集(杂交捕获)
用生物素化RNA或DNA诱饵杂交TCR恒定区和V区家族,不依赖PCR,富集100–1000倍,减少偏倚,可从bulk RNA-seq包括FFPE组织回收TCR序列。
10.2 FUME-TCRseq(full-length multiplex enhanced TCR-seq)
结合5′ RACE和多重PCR,一次高效反应扩增所有V-J盒,克服传统多重PCR引物偏倚,从低输入样本如细针抽吸或小肿瘤活检回收全长配对α–β TCR。
10.3 rhTCRseq(repertoire and HLA-matched TCR-seq)
通过工程化可溶性HLA多聚体含DNA条形码,按抗原特异性拉下T细胞并测序匹配TCR,将TCR序列与肽-HLA(pHLA)类别连接。
10.4 长读长RNA-seq用于TCR分析
PacBio Iso-Seq和ONT单读生成全长TCR转录本,结合单细胞条形码可实现配对αβ回收,但不能用于现有短读长数据集,且成本和通量限制大规模应用。

11 结论
TCR库表征对现代免疫学、癌症免疫治疗、疫苗和自身免疫病重要。利用现有RNA-seq数据有吸引力但受基本限制。TCR转录本稀缺、短读长和超变区组装模糊证明RNA-seq标准技术不适合替代TCR-seq。头对头基准显示仅回收3–5%独特克隆型,频率一致性差,αβ配对有限,多样性指标系统性低估。MiXCR和TRUST4对非富集数据回报递减,失败非软件缺陷而是TCR生物学与RNA-seq设计不匹配。五个基本限制说明连续V-CDR3-J连接在文库制备中破坏且不能重建。AI驱动策略有希望改善错误校正和组装,但AI从转录组插补TCR序列面临信息论障碍且缺乏实证。近期现实应用在错误校正和假阳性减少。湿实验技术如杂交捕获、FUME-TCRseq和rhTCRseq可增强金标准,从降解标本、低输入样本获取TCR谱并连接特异性与序列。长读长RNA-seq是补充方法。未来在于多技术整合:RNA-seq研究T细胞转录状态和肿瘤微环境,TCR-seq保持全克隆解析金标准,富集和功能技术解锁临床样本,多组学视角构建完整T细胞库图景并设计个体化免疫治疗。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号