《Cell》发现免疫系统的“武器研发实验室”

54c9785d9d5705b42a1b86bdfc24bf38.png

来源:生物通

如果B细胞是免疫系统的兵工厂,制造抗体来中和有害的病原体,那么被称为生发中心的微小生物结构就是它的武器开发设施。.

89e79d95a393b570f0d5da703f8db17d.jpeg

淋巴结的生发中心簇充满了成熟的B细胞(红色),点缀着进化程度较低的B细胞(绿色)。    

如果B细胞是免疫系统的兵工厂,制造抗体来中和有害病原体,那么被称为生发中心的微小生物结构就是它的武器开发设施。这些微小的训练场是为了应对感染和接种疫苗而形成的,可以让B细胞完善它们针对特定病毒和细菌部署的抗体。

因此,弄清楚生发中心是如何工作的对于理解免疫和开发更有效的疫苗至关重要。现在,《Cell》杂志上的一项新研究揭示了为什么一些生发中心可以持续几个月而不是几周,为未来的疫苗设计提供了见解。

旧瓶装新酒

生发中心在接种疫苗或感染后不久在身体的淋巴组织中形成。一旦进入生发中心,B细胞就会发生快速突变,通过自然选择的过程,只有带有抗体的B细胞才能最有效地与目标抗原结合。然后,这些高级B细胞要么变成浆细胞,即分泌大量抗体进入血清的抗体工厂,要么变成记忆B细胞,在体内巡逻,寻找它们进化来对抗的病原体回归的迹象。

洛克菲勒大学Gabriel D. Victoria实验室的博士后Renan V.H. de Carvalho说:“生发中心的目标是产生高亲和力的浆细胞和记忆B细胞,然后输出。”

在小鼠中,大多数生发中心在完成生产高亲和力B细胞的目标后几周后关闭。但那些为应对某些呼吸道感染(包括流感)而形成的病毒,可以持续六个多月,大约是一只小鼠正常寿命的四分之一。De Carvalho和他的同事们想要了解为什么这些生发中心如此长寿,以及它们内部到底发生了什么。

在这项研究中,研究人员首先用流感病毒和SARS-CoV-2病毒感染小鼠,等待它们形成生发中心,然后在24周内对从这些中心收获的B细胞的抗体基因进行测序。令他们惊讶的是,他们发现抗体优化并没有以稳定的速度持续进化,而是在12周后达到顶峰,然后明显退化,即使该中心仍然活跃。研究人员后来发现,这种令人费解的下降是由于不断将未进化的“幼稚”B细胞引入生发中心。

随着几周变成几个月,一个更完整的图景开始形成:最初为长寿生发中心播下种子的创始B细胞逐渐被幼稚细胞所取代,因此,只有一小部分晚期生发中心是由启动它们的B细胞的后代组成的。

老派和新派

这些新加入的B细胞与生发中心的原始B细胞不同。随后的实验表明,虽然幼稚 B细胞也在生发中心内发生了进化,但它们没有产生可以与流感或SARS-CoV2抗原结合的抗体。

“我们过去认为感染诱导的生发中心是针对特定病原体抗原的单一反应,”de Carvalho说。“显然不是,至少在这些长寿的生发中心的情况下是这样。”

但留在原处的少数原始B细胞足以对最初的病原体产生有效的免疫。当研究人员在小鼠首次感染流感抗原3个月后(有效地模拟重复感染或加强注射)再次将小鼠暴露于流感抗原时,他们证明了许多开始产生抗体的记忆B细胞来自于少数在生发中心逗留了数月的创始细胞,而不是它们的幼稚替代品。

de Carvalho说:“尽管它们只占后来细胞总数的一小部分,但在生发中心停留很长一段时间的创始细胞仍在发挥作用。”但是,这些创始B细胞的工作表现如何,以及幼稚新招募的B细胞是否会限制它们的风格并降低它们的功效,仍有待观察。Victoria实验室未来的研究将解决这个问题。

与此同时,这些发现已经对我们对生发中心如何运作的一般理解产生了影响。了解创始人B细胞和幼稚 B细胞之间的动态可以帮助研究人员利用长寿的生发中心产生更有效的抗体来对抗危险的呼吸道病毒,如流感和SARS-CoV-2。

“B细胞连续波对生发中心结构的入侵可能会成为预测生发中心结果的一个重要因素,可能远远超出这个特定的流感模型,”Victoria说,“并且可能会给我们一些关于如何诱导生发中心产生我们需要的抗体的见解。”

参考文献

Clonal replacement sustains long-lived germinal centers primed by respiratory viruses

未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)大脑研究计划,构建互联网(城市)大脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。每日推荐范围未来科技发展趋势的学习型文章。目前线上平台已收藏上千篇精华前沿科技文章和报告。

  如果您对实验室的研究感兴趣,欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”

e0cb78e689440de85203c80170357c0e.jpeg

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/481218.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

机器学习从理论到工程的第一步-编程语言篇

前言在文章《机器学习从业者如何兼顾理论与工程》中,小夕对编程语言的选择进行了小小建议。鉴于有些同学对小夕建议的“主python,辅C,备用matlab和java”疑问较大,小夕在此详细解释一下,也欢迎大家补充新观点哦。为什么…

聚类算法当中的K-means算法如何去做天猫淘宝的推广任务

5 人赞同了该回答figure data-size"normal">data-size"normal">这个入口是全网人气新品池,我们今天所获取到的数据都是来源于这里。无论是C店还是B店,统统都有机会进来。这个平台最有价值的数据,就是可以告诉我们自…

通过双重众包预测 RNA 降解的深度学习模型

编辑 | 萝卜皮基于信使 RNA (mRNA) 的药物具有巨大的潜力,正如它们作为 COVID-19 疫苗的快速部署所证明的那样。然而,mRNA 分子的全球分布受到其热稳定性的限制,这从根本上受限于 RNA 分子对称为在线水解的化学降解反应的固有不稳定性。预测 …

线性代数应该这样讲(一)

前言小夕为什么要讲线性代数呢?因为有人已经做了机器学习一段时间了,竟然认为矩阵就是用来存储数据的。小夕表示非常震惊。而深刻透彻的理解核函数、PCA、LSI、谱聚类等以空间映射为理论核心的机器学习理论时,靠大学里教的那一套线性代数&…

震惊!丧心病狂的夕小瑶推出新一轮写作计划!

时至今日,距离小夕发布的第一篇正式文章已经过去整三个月啦。今天又回头看了一下自己写的第一篇文章,不禁有点感慨“文风”变了这么多,甚至有点受不了第一篇文章中的萌气了\(//∇//)\然后文章还写的不怎么样。。。虽然第一篇文章写的好差&…

LeCun预言的自监督模型来了:首个多模态高性能自监督算法,语音、图像文本全部SOTA...

来源:机器之心编辑:nhyilin人类似乎对不同的学习模式有着相似的认知,机器也应该如此!>>>>自监督学习能在各种任务中学习到分层特征,并以现实生活中可使用的海量数据作为资源,因此是走向更通用人…

史上最清楚的BP算法详解

前馈神经网络 在文章《逻辑回归到神经网络》(以下简写《LR到NN》)中,小夕为大家描述了一个从逻辑回归延伸到神经网络的过程。在《一般化机器学习与神经网络》中,小夕阐述了神经网络的一般性。这一篇会完全进入神经网络的状态&…

基于主动学习算法减少人工标注量,提升文本标注效率的方案探究

基于主动学习算法减少人工标注量,提升文本标注效率的方案探究阅读 451收藏 232018-06-26原文链接:yq.aliyun.comOPPO技术开放日第三期,未来的探索 AI&AR的实践应用juejin.im项目地址: https://github.com/crownpku/Chinese-Annotator 自…

具有生物启发训练方法的物理深度学习:物理硬件的无梯度方法

编辑 | 绿萝对人工智能不断增长的需求推动了对基于物理设备的非常规计算的研究。虽然此类计算设备模仿了大脑启发的模拟信息处理,但学习过程仍然依赖于为数字处理优化的方法,例如反向传播,这不适合物理实现。在这里,来自日本 NTT …

BP算法是从天上掉下来的吗?

第二个标题:一般而特殊的前馈神经网络前馈神经网络在文章《逻辑回归到神经网络》(以下简写《LR到NN》)中,小夕为大家描述了一个从逻辑回归延伸到神经网络的过程。在《一般化机器学习与神经网络》中,小夕阐述了神经网络…

深度学习如何应用在广告、推荐及搜索业务?阿里妈妈实践案例解读

</span></ul><div class"markdown-body"><div id"meta_content" class"rich_media_meta_list"> </div>阿里妹导读&#xff1a;靖世&#xff0c;阿里妈妈精准展示技术研究员。2011 年&#xff0c;刚进阿里的他提出…

AI for Science的上半场:人工智能如何重新定义科学研究新范式?

AI发展七十余年&#xff0c;每一技术性突破都将给人类未来开辟新一种可能性。而它与科学研究的深度融合&#xff0c;则会裂变出无数或无穷种可能性。来源 :36氪万众瞩目下&#xff0c;今年10月&#xff0c;有着诺贝尔奖“嫡传”之称的诺贝尔化学奖终于揭晓&#xff0c;授予了对…

从前,小夕种了一棵树

从前&#xff0c;小夕种了一棵树&#xff0c;种在了小夕的小屋后面~为什么要种这棵树呢&#xff1f;因为呀&#xff0c;它可以帮小夕总结历史经验&#xff0c;然后帮小夕对当前的局势做出决策~这样小夕就可以安心给大家写文章啦~这棵树是这样的。一开始&#xff0c;小夕买了一颗…

用于化学动力学模拟的原子神经网络表示

编辑 | 白菜叶机器学习技术已广泛应用于化学、物理、生物学和材料科学的许多领域。最富有成果的应用之一是从离散量子化学数据中学习势能或相关电子特性的复杂多维函数。特别是&#xff0c;大量努力致力于开发各种原子神经网络 (AtNN) 表示&#xff0c;这些表示是指将目标物理量…

自然语言生成任务,如文本摘要和图像标题的生成。seq2seq的模型原理

版权声明&#xff1a;本文为博主原创文章&#xff0c;未经博主允许不得转载。 https://blog.csdn.net/Irving_zhang/article/details/78889364 </div><link rel"stylesheet" href"https://csdnimg.cn/release/phoenix/template/css/ck_htmledit…

史上最简单的决策树模型讲解

从前 从前&#xff0c;小夕种了一棵树&#xff0c;种在了小夕的小屋后面~ 为什么要种这棵树呢&#xff1f;因为呀&#xff0c;它可以帮小夕总结历史经验&#xff0c;然后帮小夕对当前的局势做出决策~这样小夕就可以安心给大家写文章啦~ 这棵树是这样的。 一开始&#xff0c;小夕…

听觉器官是高阶元分类“革命性证据”

来源&#xff1a;中国科学报反刍类的内耳几何形态学分析及系统发育示图。Laura Dziomber/绘化石研究的第一步是通过形态特征鉴定身份&#xff0c;厘清物种的亲缘关系&#xff0c;但这种方法并不完美。那些长相相似的也许“八竿子打不着”&#xff0c;而毫无共同特征的却是“亲属…

机器学习从理论到工程的第二步-开发环境与工具篇

在《第一步-编程语言篇》中&#xff0c;小夕为大家较为详细的介绍了做机器学习&#xff08;及其相关应用方向&#xff09;的编程语言的选择问题&#xff0c;这一篇便是小夕为大家推荐的各个编程语言的开发环境/工具。习惯性扫盲开篇。鉴于可能有部分同学的软件开发经验稍有欠缺…

干了一年“元宇宙”,Meta亏了300亿美金

来源&#xff1a;青投创新编辑&#xff1a;Leon"Facebook更名成Mate&#xff1a;从社交媒体转型为“元宇宙”&#xff0c;但前景并不乐观。一年前&#xff0c;Meta在元宇宙上高歌猛进。该公司刚刚完成了从Facebook到Meta的品牌重塑。正如马克扎克伯格&#xff08;Mark Zuc…

机器学习从理论到工程的第二步-开发环境与工具篇(下)

好啦~继续昨天的《第二步——开发环境与工具篇&#xff08;上&#xff09;》~其实有点尴尬啦&#xff0c;本来想一篇讲完的&#xff0c;结果小夕太啰嗦了&#xff0c;还没有开始讲正文&#xff0c;就写了快2000字了。。。所以说&#xff0c;这一篇是上一篇的正文。。。matlab就…