T细胞受体信号转导通路的动力学分析

1、T细胞受体信号转导通路的动力学分析         09-08-28 08:58:00     编辑：studa20                     作者：刘顺会 肖兰凤 黄树林【摘要】  目的：建立T细胞受体信号转导途径的动力学模型，通过模型仿真揭示T细胞受体

2、信号途径各分子间的动态调控过程，简要分析模型的动力学特性。方法：根据数据库KEGG及相关中英文文献，提取T细胞受体信号转导各条通路相关分子作用的方式及数量关系，利用Matlab7.0的Simulink工具箱构建信号途径的动力学模型并仿真。结果：模型仿真结果与文献符合得较好，能够从数量上反映T细胞受体信号转导途径中各分子间复杂的调控关系，并能通过模型仿真发现和验证该信号途径中的关键节点分子。结论：模型基本反映了T细胞受体信号转导途径的动力学特征，可以作为后续的精确定量关系研究的基础。 【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

3、抗体可引起T细胞跨膜受体以及膜附近的其它信号分子的活化，并引起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，从而调节T细胞的增殖、分化或凋亡，该过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（T cell receptor, 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，此后启动三条下游信号途径：一为磷脂酶C-1（Phospholipase-C1，PLC-1）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，为保持免疫应答的平衡，避免过度活化，T细胞的活化过程还受到

4、抑制性信号通路的调节，这些通路彼此交织，构成一个十分复杂的T细胞活化调控网络1。    随着各种复杂的信号转导网络中各个分子通道的确定，如何从系统水平上定量地分析各信号转导网络的动态特征就成为当前系统生物学的研究重点。除各种并行、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段，比如在细胞代谢研究领域已经很广泛地利用数学模型分析具有多个调控环的代谢网络2。实践表明，通过建立生化网络的数学模型并进行计算机仿真能够拟合现有的实验数据，解释实验中观测到的现象，预测一些不能通过当前实验手段获得的结果，减少实验的强度和数量，并验证实验提出的可能机制。

5、    本研究建立了T细胞受体信号转导途径的动力学模型，通过模型仿真揭示了T细胞受体信号途径各分子间的动态调控过程，并对模型的动力学特性进行了简要分析。    1  材料与方法    1.1  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（http:/www.genome.jp/kegg/）。本研究根据相关中英文文献，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，并据此定义整个信号转导途径的变量

6、（包括自变量和因变量）和变量之间的关系。    1.2  动力学建模    本研究采用S-系统方程（S-system equations）2来描述信号转导的生化级联反应过程。对于含有n个因变量X1，X2，Xn（其数量随时间而变化）和m个自变量Xn+1, Xn+2, ，Xn+m（一般设定为某些不变常量）的生化级联反应系统，其动力学时变方程可以表达为：    dXi / dt=V+i-V-i       i = 1, 2, , n(1)&#

7、160;   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=i n+m   j=1Xgijj-i n+m   j=1Xhijj  i = 1, 2, , n(2)    式（2）中i和i（i、i > 0）分别表示生产函数和消耗函数的速率常数，gij和hij分别表示变量Xj在因变量Xi的生产

8、和消耗过程中的动力学阶，其中gij或hij> 0表示Xj在Xi的生产或消耗过程中起"正"调控作用，反之，如果gij或hij< 0则表示Xj在Xi的生产或消耗过程中起“负”调控作用，而当gij或hij= 0时则表示Xj在Xi的生产或消耗过程中不起任何调控作用。    Note: Based on KEGG database (http:/www.genome.jp/kegg/)    图1  T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过

9、程。图2显示了经典的带有“正” “负”调控作用的信号级联反应过程。级联反应中前体X3、X4通过两步反应（比如磷酸化）衍生出活性产物X1、X2，其中上一级反应产物影响下一级反应。该级联反应由系统输入X5启动，而当终产物X2足够多时，则通过负反馈作用抑制X1的生成，从而整个过程得以减缓。    Note:  positive regulation;  negetive regulation    图2  带有反馈的两步级联反应    该过程中X1、X2是因变量，而X3 X5则被认

10、为是自变量，其动力学用S-系统方程可表达为：    dX1 / dt=1Xg122 Xg133 Xg155-1Xh111    dX2 / dt=2Xg211 Xg244-2Xh222 (3)    X3,X4,X5=常数    由于式（3）中前体X3、X4是常数，其对X1、X2生产函数的贡献可以分别归并为速率常数1、2，因此为避免估计更多参数，可以不考虑活性产物前体的作用（但又不影响分析结果），式（3）可改写为：    dX1 / dt=1Xg

11、122  Xg155-1Xh111    dX2 / dt=2Xg211 -2Xh222 (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律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，本研究首先总结出影响每个因变量分子的生产和消耗函数的“正”“负”调控分子，然后依照范例所示建立其S-系统方程。    1.3  参数估计    除了定性的数据，目

12、前还没有文献提供T细胞受体信号转导途径中各分子间相互作用的数量关系。另一方面，本研究并非旨在对该途径的精确定量特征进行模型研究，而只是试图通过建立“数量级模型（order-of-magnitude model）”2来阐述模型结构的整个动力学性质，为从系统水平上进一步理解T细胞受体信号转导途径奠定基础。因此，本研究采用前人总结的经验来估计每一过程的速率常数和动力学阶的值。    实际上，对近年来的生化模拟系统所做的近1000次的动力学阶的分析表明，未受调节的过程其动力学阶常位于1或0.5，而受调节的过程其动力学阶通常要小一些。一般来说，“正”调控作用的动力学阶常处于

13、0和1之间，而“负”调控作用的动力学阶常位于0和-0.5之间2。本研究对模型中未受调节的过程（一般为单变量）取动力学阶为1；而对于受调节的过程（表现为多个变量），“正”调控作用则采用动力学阶为0.5，“负”调控作用则采用动力学阶为-0.5。    速率常数一般对模型结果不是那么敏感，其大小既与具体的反应过程有关，也取决于时间单位2。由于本研究并非精确定量模型，故取各因变量分子的生产和消耗函数的速率常数为1。    各反应分子的初始浓度的确定，本研究采用了“相对浓度”的概念，以避免浓度量纲对模型分析的影响。所谓“相对浓度”，即是指某时刻

14、反应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，启动或控制系统动力学过程之变量，故保持其相对浓度始终为一常数值1；而对于各因变量，由于皆为信号级联反应过程的产物，故取其相对浓度的初始值为0或无穷小（通常取1.0×10-10以避免模型运行中出现故障）。    1.4  模型运行    通过科学计算软件Matlab7.0的仿真平台Simulink工具箱对已经建立的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。仿真时间的设定以各因变量分

15、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用了“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率常数皆取值为1，因此仿真时间也只是一个相对概念，没有量纲。对模型分别进行两方面的研究：模型基本特征的分析；模型的稳定性分析。    2  结果    2.1   PLC-1介导的信号途径    2.1.1  CD45  CD45为T细胞中蛋白酪氨酸磷酸酶（PTPase）的一个典型代表。研究发现，CD45可调节T细胞活化过程的一些起

16、始关键酶如Lck、Fyn的活性。对于Lck，其催化区含有两个可供调节的酪氨酸残基（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的磷酸化则可使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的调节过程：CD4/CD8胞内段具有蛋白酪氨酸磷酸酶活性，可以通过介导tyr505的去磷酸化来提高Lck激酶活性；CD4/CD8和CD45发生共凝集，导致与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也可能导致了与CD3相连的Fyn的酪氨酸残基去磷酸化而

17、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/CD8一起通过去磷酸化激活Lck，同时也通过去磷酸化激活Fyn，导致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。    2.1.2  ZAP-70  研究发现，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（Immunoreceptor tyrosine-based activation motif, 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

18、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相互结合。同时，由于与TCR/CD3紧邻的CD4/CD8分子的胞浆部分与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3AB），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相互结合，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，导致LAT和SLP-76活性浓度也随之上升。    2.1.3  SLP-76  SLP-76包括一个酸性的N末端区，该区包含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-1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