【bioinfo】了解IGH基因和IGH基因重排

了解Ig

免疫球蛋白(immunoglobulin, lg)

抗体(antibody, Ab)是B淋巴细胞接受抗原刺激后,增殖分化为浆细胞,由浆细胞合成、分泌能与相应抗原特异性结合的免疫球蛋白(immunoglobulin,Ig)。抗体主要存在于血清中,也存在于各种体液中。

  • Ab(Ig)基本结构:
    重链(heavy chain, H链);
    轻链(light chain,L链);
    可变区(variable region, V区):氨基酸排列顺序在不同抗体分子间变化较大;
    恒定区(constant region,C区);
    铰链区(hinge region);
    高变区/超变区(hypervariable region, HVR):重链和轻链V区(VH和VL)各又3格区域的氨基酸组成和排列顺序变化最为明显,成为高变区或超变区。
    在这里插入图片描述

  • Ig其他结构:
    J链:连接链(joining chain,J链)是由浆细胞合成的一条富含半胱氨酸的多肽链,可将单体Ig连接为多聚体并使之稳定。如连接分泌型是IgA(secretory IgA,SIgA)成双体,连IgM成为五聚体。

  • Ig基因
    IGH、IGK、IGL基因:
    在这里插入图片描述

Ig基因群VDJC
IGHIGHVIGHDIGHJIGHC
IGKIGKV-IGKJIGKC
IGLIGLV-IGLJIGLC
基因V总/功能D总/功能J总/功能C总/功能
IGH95/5123/239/611/9
IGK90/5005/51/1
IGL60/3104/47/7
  • 基因重排
    在这里插入图片描述
    在这里插入图片描述
  • 多样性
基因V功能D功能J功能C功能V×D×J
IGH5123699180
IGK50051250
IGL31047124
  • 类别转换
    在这里插入图片描述

以上参考:
https://max.book118.com/html/2019/0731/8110067014002040.shtm

IGH重排

文献1:IGH rearrangement in myeloid neoplasms 髓系肿瘤中的IGH重排

  • 免疫球蛋白基因,包括免疫球蛋白重链基因 ( IGH )、轻链 (k) 链基因 ( IGK ) 和轻链 (λ) 链基因 ( IGL ),在 B 细胞肿瘤中经常发生重排。这些重排导致 IG 增强子与癌基因(如 MYC 和 BCL2)附近并列(融合),导致它们的过度表达和激活。40多个基因与IGH融合,常见的有MYC、BCL2和BCL6、CCND1、FGFR3,分别见于Burkitt淋巴瘤、滤泡性(follicular)淋巴瘤、mantle cell细胞淋巴瘤和多发性(multiple)骨髓瘤。

    These rearrangements result in a juxtaposition of IG enhancers to the vicinity of oncogenes such as MYC and BCL2, leading to their overexpression and activation.

  • 2个病例介绍,包括临床症状、全血细胞计数、骨髓活检、外周血样本的流式细胞仪分析、NGS检测突变位点、骨髓细胞遗传学分析、FISH、NGS融合检测、PCR扩增Sanger测序。

  • 文献补充文件中介绍了其融合检测使用的软件:BIMA V3比对,分析使用SVAtools

文献2:用于克隆性评估的免疫球蛋白基因重排的下一代测序

—未完待续—

  • 2
    点赞
  • 11
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
引用\[1\]和\[2\]提供了SVM模型的几种变体,其中包括svm.SVC和svm.LinearSVC。SVC代表C-Support Vector Classification,而LinearSVC代表Linear Support Vector Classification。这两个变体都是用于支持向量分类的模型。引用\[3\]提供了一个使用SVC进行训练和预测的示例代码。 SVC和LinearSVC都是SVM模型的变体,它们之间的区别在于其核函数的选择和求解方法的不同。SVC使用的是非线性核函数,例如高斯核函数,可以处理非线性可分的数据。而LinearSVC使用的是线性核函数,适用于线性可分的数据。因此,SVC可以处理更复杂的数据集,而LinearSVC适用于简单的线性分类问题。 此外,SVC和LinearSVC在求解问题上也有所不同。SVC使用的是一种称为SMO(Sequential Minimal Optimization)的算法来求解支持向量分类问题。而LinearSVC使用的是一种称为坐标下降法(Coordinate Descent)的算法来求解线性支持向量分类问题。 综上所述,SVC和LinearSVC是SVM模型的两个变体,它们在核函数的选择和求解方法上有所不同。SVC适用于处理非线性可分的数据,而LinearSVC适用于线性可分的数据。 #### 引用[.reference_title] - *1* [SVM、SVC、SVR三者的区别](https://blog.csdn.net/xjp_xujiping/article/details/106783351)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* *3* [SVM,SVC,SVC之间的区别](https://blog.csdn.net/ccc_bioinfo/article/details/108975556)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值