Modelos de hipermutación somática dirigidos y sustitución basados en mutaciones sinónimas a partir de datos de secuenciación de inmunoglobulina de alto rendimiento

Los análisis de patrones de hipermutación somática (SHM) en secuencias de inmunoglobulina (Ig) de células B contribuyen a nuestra comprensión básica de la inmunidad adaptativa y tienen amplias aplicaciones no solo para entender la respuesta inmune a patógenos, sino también para determinar el papel de la SHM en la autoinmunidad y los cánceres de células B. Aunque es estocástica, la SHM muestra sesgos intrínsecos que pueden dificultar el análisis estadístico, especialmente cuando se combina con el uso particular de codones y la composición de bases en las secuencias de Ig. El análisis de la expansión clonal, diversificación y procesos de selección de células B depende críticamente de un modelo de fondo preciso para la micro-secuenciación de SHM dirigida (es decir, puntos calientes/fríos) y la sustitución de nucleótidos. Los modelos existentes se basan en un pequeño número de secuencias/mutaciones, en parte porque dependen de datos de regiones no codificantes o secuencias no funcionales para eliminar las influencias confusas de la selección. Aquí, combinamos la secuenciación de Ig de alto rendimiento con nuevos métodos de análisis computacional para producir modelos mejorados de dirección y sustitución de SHM que se basan únicamente en mutaciones sinónimas y, por lo tanto, son independientes de la selección. Los modelos resultantes "S5F" se basan en 806,860 mutaciones sinónimas en motivos de 5-meros de 1,145,182 secuencias funcionales y tienen en cuenta las dependencias de los cuatro nucleótidos adyacentes (dos bases río arriba y río abajo de la mutación). Los perfiles estimados pueden explicar casi la mitad de la varianza en los patrones de mutación observados y muestran claramente que tanto la dirección de la mutación como la sustitución están significativamente influenciadas por las bases vecinas. Si bien los perfiles de mutabilidad y sustitución fueron altamente conservados entre individuos, la variabilidad entre motivos resultó ser mucho mayor de lo que se había estimado anteriormente. El modelo y el código fuente del método están disponibles en http://clip.med.