免疫受体 AIRR 分析平台 immuneML 简介

前言

免疫系统在肿瘤分型和治疗中发挥着重要的作用。TCR 和 BCR 都属于适应性免疫受体 Adaptive immune receptor repertoires (AIRR)。AIRR 组成信息结合 MHC，年龄，性别等，在基于受体库的预测和分析免疫状态（健康，疾病，感染等）方面有特殊作用，可应用于疾病诊断。基于序列的抗原和表位结合预测对 AIR-based 的治疗靶标发现和工程化改造具有重要意义。

机器学习（ML）用于 AIRR 的分析面临一些特殊问题：（1）每个个体在任意时间含有大约 - 数目的 AIR；（2）基于受体库的 ML 中，每种免疫状态都非常罕见，每 100 万个淋巴细胞才能分泌一种抗体与特定抗原结合；（3）基于序列的 ML，高度多样性短序列（CDR3）使得统计分析变得复杂。

根据目前已有的定制化的基因组学和蛋白组学分析框架来看，单一的通用分析框架并不能解决问题，AIRR 分析也缺少这样的适应其特点的标准分析框架。

immuneML 简介

immuneML 是一个开源合作的 AIRR 分析平台，文章于 2021 年发表在《Nature Machine Intelligence》。该平台可用于分析受体库水平（免疫状态）或序列水平（抗原结合）的实验数据和模拟数据，包括从数据预处理到模型训练和验证的全过程。它提供命令行工具以及 Galaxy 网页交互界面，同时可以部署在云平台或本地服务器。immuneML 兼容其他 AIRR 分析软件和序列注释格式，从而能够整合第三方分析工具和 AIRR 结果的下游分析。比如用于序列处理和注释的 MiXCR，Immcantation 和 immunarch 框架。VDJdb 等 TCR 数据库可直接下载到 immuneML Galaxy。另外 immuneML 也整合了基于注意力机制的 AIRR 深度学习工具 DeepRC，针对 TCR 的聚类方法 TCRdist，同时也兼容 GLIPH2。

(Ref: Pavlović et al, Nature Machine Intelligence, 2021)

特点

• immuneML 可以离线或在线读取分析实验生成的单链和配对数据，以及生成模拟数据用于 ML 基准测试。数据格式为 AIRR-C
  标准，MIXCR，10x Genomics，ImmunoSEQ 和 VDJdb 格式。
• immuneML 支持多个 ML 框架，并输出多种可视化图表。支持 scikit-learn 和 PyTorch，并提供针对 AIRR
  数据优化过的 ML 方法，比如实现了其他文献中的算法。
• 提升了 ML 分析模型的易用性，可重复性，互通性，可扩展性和透明度。 易用性，文档丰富，适合各水平的使用者。Galaxy
  平台无需代码即可使用。同时在 github，pip，docker 提供下载，可通过过命令行或 python 包使用。
• 可重复性，Galaxy 平台可分享不同用户的分析记录。通过代码使用时，全部配置指定在 yaml 文件中（Galaxy 分析也可下载
  yaml 文件），方便分享。
• 互通性，支持导入多种数据源，导出特定格式便于第三方工具进行下游分析。
• 可扩展性，通过模块化设计，可以方便地增加新 ML 方法，编码方式，报告结果，预处理方式等。
• 透明度，(1) 可在 yaml 中定义分析规范并可导出参数；(2) 友好的 Galaxy 界面可以让免疫专家专注于免疫受体相关分析；(3)
  每个分析步骤都能提供数据用于进一步核查。

参考

Pavlović, M., Scheffer, L., Motwani, K. et al. The immuneML ecosystem for machine learning analysis of adaptive immune receptor repertoires. Nat Mach Intell 3, 936–944 (2021). https://doi.org/10.1038/s42256-021-00413-z
https://docs.immuneml.uio.no/latest/index.html