Bioinformatics-Based Predictions of Peptide Binding to Disease-Associated HLA Proteins Suggest Explanation for Shared Autoimmunity
Notice bibliographique
Résumé
Aim This study was designed to examine the immunogenetic basis for shared autoimmunity, resulting in autoantigen presentation that leads to the production of two or more disease-specific autoantibodies. Methods A bioinformatics approach based on peptide binding predictions to disease-associated HLA determinants has been developed and tested here using 11 disease associations between autoimmune systemic and mucocutaneous blistering disorders. Various HLAs associated with antigens within a given “disease model” (set of HLA class II and protein sequences known to be associated with a specific autoimmune disease) were tested and ranked against the antigenic proteins, first with proteins they are known to associate with and then with proteins known to be implicated in a second disease model. In every case binding predictions were compared for different proteins binding to the same HLA. Subsequently, disease-related autoantigens have been tested for their binding affinity against each disease-specific HLA class II protein. Results For a single HLA haplotype, several binders have been generated from a related autoantigen with the variable binding score. In most cases, the binding score corresponding to the interactions between the autoantigen-derived epitope and the HLA associated with one disease was similar or lower than the interactions between the epitope from proteins associated with the second disease and the same HLA. Notably, there was no compelling promiscuity in peptide binding to each of the HLA molecules, in spite of the promiscuous nature of HLA class II binding. Conclusions The data suggest that, in susceptible individuals, shared autoimmunity might be initiated by two types of HLA/peptide interaction; first between an autoantigen-derived epitope and its disease-associated HLA molecules, and second, between a different peptide of the same autoantigen and HLA proteins specific for the second disease.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».