نوع مقاله : مقاله مروری
نویسندگان
1 1) دانشگاه تربیت مدرس ، دانشکده پزشکی ، گروه بیوتکنولوژی ، تهران، ایران.
2 2) دانشگاه علوم پزشکی بقیه الله (عج) ، مرکز تحقیقات میکروبیولوژی کاربردی ، تهران ، ایران.
3 عضو هیات علمی پژوهشگاه ملی مهندسی ژنتیک و زیست فناوری
چکیده
سیستم ایمنی انسان شامل انواع متنوعی از سلول¬ها و مولکول¬ها می¬باشد که در ارتباط تنگاتنگ با سایر سیستم¬های بدن می¬باشند. مقادیر افزاینده¬ی داده¬های تولید شده در دوره¬ی پساژنومیک بررسی این سیستم را پیچیده¬تر گردانده است. بنابراین نیاز به استفاده از رویکردهای محاسباتی و کامپیوتری جهت پردازش و تفسیر داده¬ها محسوس¬تر می¬باشد. ایمونوانفورماتیک به عنوان زیرمجموعه¬ای از بیوانفورماتیک رویکردی جدید با ابزارها و پایگاه¬های اطلاعاتی مختلف می¬باشد که بررسی داده¬های ایمونولوژیک حاصل از تحقیقات آزمایشگاهی را تسهیل می¬گرداند. ایمونوانفورماتیک می¬تواند محققین را در طراحی فرضیات جدید یاری نموده و دید لازم برای انتخاب آزمایشات را فراهم آورد. با در نظر داشتن این ¬ویژگی¬ها می¬توان ایمونوانفورماتیک را حوزه¬ی جدیدی دانست که پیشرفت تحقیقات ایمنی¬شناسی را میسر می¬گرداند. در این مطالعه ما به بحث در مورد انواع مختلف ابزارها و پایگاه¬های اطلاعاتی پرداخته¬ایم که در ارتباط با حوزه¬ی ایمونوانفورماتیک می¬باشند و همچنین دیدگاه¬هایی در مورد کاربردها و افق¬های آینده¬ی این حوزه ارائه داده¬ایم.
کلیدواژهها
عنوان مقاله [English]
Bioinformatics application in studying of immunology
نویسنده [English]
3 Faculty member/ NIGEB
چکیده [English]
Human immune system has different cells and molecules interconnected withvarious other body systems. Increasing amounts of released data in postgenomic era makes the analysis of this system more complicated. Therefor the necessity of using computational approaches for data processing and interpretation is more tangible. Immunoinformatics as a subdevision of bioinformatics is a new approach with variety of tools and databases that facilitate analysis of enormous amount of immunologic data obtain from experimental researches. This field could help researchers in new thesis design which was not feasible with conventional methods due to the complexity of data and could provide new insights for exprement selection. Considering these features immunoinformatics appears to be a new field capable of accelerating immunological research progress by circumventing conventional timeconsuming methods. In this study we discuss various tools and databases relevent in the field of immunoinformatics and we also provide insight for immunoinformatics applications and future horizons.
کلیدواژهها [English]
کاربرد بیوانفورماتیک در مطالعات ایمنیشناسی
سعید خلیلی1، ابولفضل جهانگیری2، جعفر امانی2،* و علی هاتف سلمانیان3،*
1 تهران، دانشگاه تربیت مدرس، دانشکده پزشکی، گروه بیوتکنولوژی
2 تهران، دانشگاه علوم پزشکی بقیه الله (عج)، مرکز تحقیقات میکروبیولوژی کاربردی
3 تهران، پژوهشگاه ملی مهندسی ژنتیک و زیست فناوری، پژوهشکده بیوتکنولوژی گیاهی
تاریخ دریافت: 12/5/91 تاریخ پذیرش: 1/4/92
چکیده
سیستم ایمنی انسان شامل انواع متنوعی از سلولها و مولکولها میباشد که در ارتباط تنگاتنگ با سایر سیستمهای بدن می باشند. مقادیر افزاینده دادههای تولید شده در دوره پساژنومیک بررسی این سیستم را پیچیدهتر گردانده است. بنابراین نیاز به استفاده از رویکردهای محاسباتی و کامپیوتری جهت پردازش و تفسیر دادهها محسوستر میباشد. ایمونوانفورماتیک به عنوان زیرمجموعهای از بیوانفورماتیک رویکردی جدید با ابزارها و پایگاههای اطلاعاتی مختلف می باشد که بررسی دادههای ایمونولوژیک حاصل از تحقیقات آزمایشگاهی را تسهیل میگرداند. ایمونوانفورماتیک می تواند محققین را در طراحی فرضیات جدید یاری نموده و دید لازم برای انتخاب آزمایشات را فراهم آورد. با در نظر داشتن این ویژگیها میتوان ایمونوانفورماتیک را حوزۀ جدیدی دانست که پیشرفت تحقیقات ایمنیشناسی را میسر می گرداند. در این مطالعه به بحث در مورد انواع مختلف ابزارها و پایگاههای اطلاعاتی پرداخته شده که در ارتباط با حوزه ایمونوانفورماتیک میباشند و همچنین دیدگاههایی در مورد کاربردها و افقهای آینده این حوزه ارائه داده شده است.
واژه های کلیدی: ایمونوانفورماتیک ، طراحی واکسنهای جدید، ایمونولوژی
* نویسندگان مسئول، تلفن: 44580365 ، پست الکترونیکی: salman@nigeb.ac.ir و Jafar.amani@gmail.com
مقدمه
از مدتها پیش مشخص شده بود که روشهای محاسباتی، توان تسریع در تحقیقات زیستشناسی و به ویژه ایمنیشناسی را دارند. اما پیشرفتهای اخیر در فناوریهای ژنومیکس و پروتئومیکس، شرایط را به طور بنیادی متحول کرده است. توالی یابی ژنوم انسان و بسیاری از موجودات زنده دیگر، حجم وسیعی از اطلاعات مرتبط با تحقیقات ایمنی شناسی را فراهم کرده است. در عین حال حجم وسیعی از داده ها در حوزههای مختلف و به ویژه در مباحث علمی ارائه شده است که در منابع اختصاصی ذخیرهسازی شده و حوزه ایمیونومیکس (immunomics) نیز در برگیرنده این مطالعات و داده ها می باشد. واژه ایمیونوم به همه ژنها وپروتئینهایی اطلاق میشود که در پاسخهای ایمنی شرکت میکنند ولی این واژه شامل ژنها و پروتئینهایی که در سلولهای غیر ایمنی بیان میشوند، نمیباشد(79). در تعریفی دیگر همه واکنشهای ایمنی که ناشی از برهمکنشهای بین میزبان و آنتیژنها است، به عنوان برهمکنشهای ایمیونوم شناخته شده و مطالعه این برهمکنشها و اجزا شرکت کننده در آن ایمیونومیکس گویند (101). ایمیونومیکس نیز مشابه ژنومیکس و پروتئومیکس از علوم بینرشتهای محسوب شده و از روشهایی با بازده بالا (High throughput) برای درک سیستم ایمنی استفاده میکند (19 و 35). در یک جمع بندی این معلومات، منعکس کننده وضعیت کنونی بیماریها وایمنیشناسی انسانی بوده و برای آن دسته از محققینی که به دنبال شناخت در مکانیسمهای سیستم ایمنی و بیماریزایی امراض هستند منبعی بیبدیل به حساب می آید. در حقیقت نیاز به مدیریت این علم و منابع در حال گسترش ایمنیشناسی، منجر به ایجاد حوزه ایمونوانفورماتیک شده است. ایمونوانفورماتیک یا به عبارت دیگر ایمنیشناسی با در نظر گرفتن محاسبات عددی و علوم کامپیوتر، اکنون بخشی اساسی از تحقیقات ایمنی شناسی مدرن می باشد. این حوزه مابین علوم کامپیوتری و ایمنیشناسی آزمایشگاهی واقع شده و در حقیقت شاخهای از بیوانفورماتیک می باشد که بر حوزه ایمنی شناسی متمرکز شده است (12). به عبارت دیگر این علم نمایشگر به کارگیری منابع و روشهای محاسباتی برای فهم، تولید، پردازش و گسترش اطلاعات ایمنی شناسی است (109). به لحاظ پیشینه، ایمونوانفورماتیک بیش از90 سال پیش با مدل سازی تئوریک همهگیری مالاریا شروع شد (89). در آن دوره تأکید بر استفاده از مدلهای ریاضی برای انجام مطالعات در زمینه انتقال بیماریها بود. از آن زمان به بعد این حوزه با هدفی نوین و به منظور در بر گرفتن همه ابعاد سیستم ایمنی و بیماریها گسترش یافته است (109). در سالهای اخیر نیز منابع و نرم افزارهایی بر محور داده های ایمنی شناسی به وجود آمدهاند که به فهم کل سیستم ایمنی کمک میکنند (28). ایمونوژنومیکس، ایمونوپروتئومیکس، پیش بینی اپیتوپ و واکسیناسیون در فضای مجازی بخشهای مختلف مطالعات ایمنی شناسی محاسباتی را تشکیل می دهند. در مطالعات اخیر نیز نیز رویکردهای زیست شناسی سیستمها (systems biology) برای تحقیق درمورد ویژگیهای پویای شبکه سیستم ایمنی نیز به کار رفته است(107).
یکی از کاربردهای اصلی ایمونوانفورماتیک شامل مطالعه و طراحی الگوریتمهایی برای نمایش اپیتوپهای سلولهای B و T میباشد که زمان و هزینه مورد نیاز برای بررسیهای آزمایشگاهی را کاهش می دهد. با استفاده از این روشها، ایمنیشناسان می توانند جایگاههای میانگنش سیستم ایمنی با آنتی ژنها را شناسایی کنند که به نوبهی خود میتواند منتهی به ساخت واکسنهای جدید شود. روش واکسن شناسی معکوس(reverse vaccinology) نیز، که به بررسی ژنوم موجودات بیماریزا برای شناسایی ژنهایی با محصولات آنتیژنیک میپردازد، از چنین روشها و الگوریتمهایی استفاده میکند (18). باید در نظر داشت که در روشهای کلاسیک نیاز به کشت عامل بیماری زا و سپس استخراج پروتئینهای آنتی ژنیک وجود دارد، که روشهایی پرهزینه و زمان بر محسوب می شوند. لذا به نظر می رسد که روشهای جایگزینی مجازی نظیر ایمونوانفورماتیک میتواند روشی سودمند باشد. با توجه به پیشرفت های به دست آمده، ایمونوانفورماتیک به سادگی توانایی شناسایی ژنهای بیماریزایی و پروتئینهای سطحی را در عوامل بیماری زا دارد (107). حوزههای مختلف مطالعاتی در مبحث ایمونوانفورماتیک در شکل(1) و به طور خلاصه به نمایش در آمده است.
گرچه سیستم ایمنی با همه سیستمهای دیگر بدن در هم آمیخته است، اما کاربردهای بیوانفورماتیک در برخی از بخشها گسترش بیشتری یافته است. از جمله این مواد می توان به پایگاههای اطلاعاتی (14)، کاربردهای ژنومیک(32)، مطالعه اپیتوپ های موجود برای سلولهای T (13) و مدل سازی پاسخهای ایمنی(6) اشاره کرد. در سایر زمینههای ایمونولوژی همانند بررسی آلرژی زایی پروتئینها (29) یا پروتئومیکس(91)، کاربردهای بیوانفورماتیک هنوز در مراحل ابتدایی خود قرار دارد.
این حوزه جدید از زیست شناسی، امکان استفاده از تعداد زیادی از بانکهای اطلاعاتی وابزارهای ایمنی شناسی را برای محققین فراهم آورده است که می تواند در پیشبرد تحقیقات به گونهای سریع تر، هدفمندتر، ارزان تر و دانش محورتر اثرگذار باشد. در مقاله حاضر به صورت کوتاه به معرفی شاخه ایمنوانفورماتیکس پرداخته شده و انواع پایگاههای اطلاعاتی، ابزارهای پیش بینی، فرصتها و چالشهای موجود دراین حوزه مورد بررسی قرار می گیرد.
ایمونوانفورماتیکس وپیش بینی اپیتوپ ها: سیستم ایمنی در بدن مهره داران سد دفاعی بدن علیه ارگانیسمهای عفونی و سایر عوامل خارجی است. اولین خط دفاعی بدن ایمنی ذاتی است. این سد دفاعی، شامل پاسخهایی غیر اختصاصی و سریع می باشند که امکان شناسایی ساختارهای مشترک موجود در بسیاری از میکروارگانیسم ها مانند لیپوپلی ساکارید های موجود در دیواره سلولی باکتریها و پروتئینهای موجود در فلاژل را فراهم می آورد(24). دومین سد دفاعی ایمنی اختصاصی است که برای هر عاملی به صورت اختصاصی عمل میکند. میزبانی که دچار عفونت شده، پاسخ ایمنی اختصاصی برعلیه عامل عفونی ایجاد میکند. پس از رفع عفونت سلولهای خاطره ای از این مواجهه بهجا میماند که در صورت برخورد مجدد با آن عامل، پاسخ سریعتر و قویتری را ایجاد می کند.
شکل1- ایمونوانفورماتیک و ارتباط آن با بخشهای مختلف ایمونولوژی
ایمنی اختصاصی دارای دو بازوی اصلی است: ایمنی سلولی که مرتبط با لنفوسیتهای T است و ایمنی هومورال که با لنفوسیتهایB ارتباط دارد . در هر دو مورد پاسخ ایمنی از طریق شناسایی قسمت کوچکی از آنتیژن بهنام اپیتوپ تحریک میشود. آنتیبادیها معمولاً پروتئینهای دست نخورده را شناسایی میکنند. اپیتوپهای سلول B می توانند پیوسته (خطی) ویا نا پیوسته (کونفورماسیونی) باشند که اسیدهایآمینه اپیتوپهای نوع دوم به صورت فضایی بعد از تا شدن پروتئین کنار هم قرار میگیرند. حتی اپیتوپهای خطی نیز عموماً وابسته به ساختار هستند و برهمکنش آنتیژن- آنتیبادی زمانی بهبود مییابد که اپیتوپ در بستر خاصی از آمینواسیدهای پروتئین تا خورده قرارگیرد. در حالی که اپیتوپهای سلول T پپتیدهای خطی کوتاهی هستند که از پروتئینهای آنتیژنیک بریده شدهاند (39 و 52). اپیتوپهای سلول Tدر مدل موشی توسط مولکولهای MHC (Major Histocompatibility Complex)و در انسان توسط HLA (Human Leukocyte Antigen) کلاس 1 و2 ارائه میشوند. ارائه اپیتوپ، وابسته به اتصال MHC و پپتید و همچنین برهم کنشهای گیرنده های سلول T (TCR) می باشد (47 و 90). پروتئینهای MHC چندشکلی بوده و هر یک، به دسته محدودی از پپتیدها متصل میگردند. بنابراین ترکیب خاصی از MHC که توسط میزبان ارائه میشود دامنهای از اپیتوپهای بالقوه ای که طی عفونت شناسایی میشوند را مشخص میکند. ساختاری که اپیتوپ های سلول T هنگام قرار گرفتن در داخل پروتئین MHC به خود میگیرند در شناسایی توسط TCR اثر مهمی دارد (60 و 67). دو دسته اصلی از سلولهای T با بیان پروتئینهای CD8 و CD4 از هم تمایز داده می شوند که هر یک از این سلولها بهترتیب قادر میباشند، اپیتوپ های ارائه شده توسط مولکولهای MHC کلاس 1یا 2 را شناسایی کنند. یکی از عملکردهای سلولهای CD8+T راهاندازی آپاپتوز در سلولهای آلوده به ویروس است. این عملکرد وابسته به برخورد قبلی سلولهای CD8+ T با آنتیژن و فعال شدن آنها است (48). وظیفه اصلی سلولهای CD4+ T تولید سایتوکاینها است که تنظیم عملکرد سایر بخشهای سیستم ایمنی را بر عهده دارند. البته این عملکردها انحصاری نیستند و سلولهای CD4+ T نیز میتوانند منجر به آپاپتوز سلولی گردند (38) و همچنین سلولهای CD8+ T نیز می توانند عوامل تنظیم کننده سیستم ایمنی را ترشح کنند. به عبارت دیگر علی رغم تفکیک وظایف و عملکرد تخصصی هر گروه از سلولهای T ، در برخی از موارد می توان پاسخهای گسترده تر و واکنشی عمومی تر را در این گروه از سلولها مشاهده کرد.
اپیتوپهای قابل شناسایی توسط سلولهای CD4+ T برای فرآوری، از طریق وزیکولهای غشایی وارد سلولهای ارائه دهنده آنتیژن می گردند، سپس توسط پروتئازها به قطعات پپتیدی بریده شده و با پروتئینهای MHC کلاس 2 کمپلکس تشکیل میدهند. این کمپلکس به سطح سلول منتقل شده و توسط گیرنده های سلولهای T (Tcell receptor , TCR) CD4+ شناسایی میشوند (18). سلولهای CD8+ T عموماً آنتیژنهای ویروسی و درونزاد (پروتئینهایی که در داخل سیتوپلاسم و توسط ایمنوپروتئوزومها (80) و از انتهای C-terminal به پپتیدهای کوچک شکسته می شوند(17) را مورد شناسایی قرار میدهند (64). انتهای N نیز بعداًً در شبکه آندوپلاسمی توسط پروتئازها بریده شده و کوتاه میگردد (69). پس از انجام برش بر روی پروتئین، پپتیدهای تولید شده توسط ناقلین TAP (Transporter associated with antigen processing) برای سوار شدن بر مولکولهای MHC کلاس 2 به شبکه آندو پلاسمی منتقل می شوند (1، 37 و 80). با ارائه کمپلکس MHC کلاس 2 در سطح سلول، امکان شناسایی توسط TCR های اختصاصی برای پپتید موجود بر سطح سلولهای CD8+ T فراهم میآید (10 و 26). سلولهای B و T هر دو نسبت به توالی اپیتوپها اختصاصیت دارند و جهش در داخل و یا خارج از اپیتوپ منجر به فرار از دست سیستم ایمنی میگردد. جهش در داخل اپیتوپ به طور مشخص میتواند برهم کنشهای آنتیژن با آنتیبادی یا TCR با کمپلکس MHC ، پپتید را تحت تأثیر قرار دهد.
دانش مربوط به پاسخهای ایجاد شده به واسطه سلولهای B و T، با سرعت قابل توجهی افزایش یافته است. پاسخهای ایمنی به انواع سلولهای سرطانی و عوامل بیماریزا نیز با روشهای مختلف در حال شناسایی هستند. در حالی که این عوامل یکی پس از دیگری در متون علمی تعریف می گردند، جمعآوری چنین دادههایی در قالب پایگاهدادهها و نیز فرآهم آوردن ابزارهای محاسباتی برای کمک به تفسیر آنها از ارزش بالایی برخوردار خواهد بود. پایگاههای اطلاعاتی مربوط به دانستههای اپیتوپی، ابزارهای بیوانفورماتیک والگوریتمهای پیشبینی، به فهم ساختار و توالی اسیدآمینههای موجود در اپیتوپها کمک میکنند. چنین دانشی برای مطالعات ایمنیشناسی پایه، تشخیص، درمان انواع بیماریها و همچنین تحقیقات مربوط به واکسن اساسی خواهد بود (84 و 113).
جداول 1 تا 4 به معرفی مجموعهای از پایگاههای اطلاعاتی و نیز پایگاههای پیشبینی اپیتوپهای سلولهای B و T می پردازد. که توضیح مختصری در مورد پایگاهها و اطلاعات موجود در آن به همراه پیوندهای اینترنتی آنها نیز در این جدولها ارائه شده است.
جدول 1- بانکهای اطلاعاتی مربوط به اپی توپهای قابل تشخیص توسط سلولهای B
منبع |
URL |
خلاصه معرفی |
نام پایگاه اطلاعاتی |
(63) |
امکان ارزیابی توالی DNA آنتیبادی های ارائه شده در پایگاه Kabat را فراهم می کند. بدین طریق امکان شناسایی خطاهای توالییابی و کلونینگ در توالی آنتیبادیها فراهم می شود. |
ABcheck |
|
(110) |
http://www.ddg-pharmfac.net/antijen/AntiJen/antijenhomepage.htm |
پایگاهی حاوی دادههای کمی مربوط اپیتوپهای آنتی ژن |
AntiJen |
(93) |
دارای اطلاعات جامعی درمورد اپیتوپهای سلول B که به صورت تجربی ثابت شدهاند. علاوه بر آن دارای ابزاری برای تعیین نقشه اپیتوپها بر روی توالی آنتیژنها میباشد. |
BCIPEP |
|
(44) |
دارای 293 گزارش از اپیتوپهای ساختاری سلول B است که از متون علمی استخراج شده و عملکرد این اپیتوپ ها نیز بهخوبی شناسایی و تعریف شده است. |
CED |
|
(97) |
http://www.rostlab.org/services/epitome/ |
حاوی اطلاعات مربوط به همهی برهمکنشهای شناخته شده کمپلکسهای آنتیژن وآنتیبادی بوده وابزاری برای شناسایی و ذخیره برهمکنشهای آنتیژنیک در این ساختارها است. |
Epitome |
(111) |
http://www.iedb.org/ |
تا تاریخ اول فوریه2011دارای 79230 اپی وپ پپتیدی بوده است. اطلاعات مربوط به توالی اپیتوپ،آنتیژن مرجع و موجودی که توالی ازآن برگرفته شده را ارائه میدهد. |
IEDB |
(57) |
http://www.imgt.org/IMGTrepertoire/ |
دارای ساختارهای ایمونوگلوبینها و توالیهای تفسیر شده آنها است. |
IMGT/IG |
(105) |
اطلاعات جامعی در مورد هاپتنها، راههای تحریک ایمنی علیه آنها، میزان اختصاصیت و برهمکنش تقاطعی آنتیبادیهای ایجاد شده واستفاده از آنتیبادیها برای ساخت کیت تشخیصی ارائه می دهد. |
HaptenDB |
|
(117) |
http://www.hiv.lanl.gov/content/immunology/ |
حاوی فهرستی از پاسخهای مونوکلونال و پلیکلونال به پروتئوم HIV می باشد. علاوه بر آن دارای اطلاعاتی در مورد تغییرات و جایگاه اپیتپوپها، جهشها،ساختار، تأثیر زیستی پاسخ آنتیبادی می باشد. |
HIV Immunology |
(118) |
حاوی فهرستی از پاسخهای مونوکلونال و پلیکلونال به پروتئوم HCV می باشد. و دارای اطلاعاتی در مورد تغییرات و جایگاه اپیتوپها، جهشها،ساختار،تأثیر زیستی پاسخ آنتیبادی می باشد. |
HCV Immunology |
|
(81) |
کاملترین منبع از ساختارهای کریستالوگرافی شده شامل آنتیبادیها، HLA و TCRها میباشد. |
MMDB |
|
(2) |
خلاصهای ازساختارهای کریستالی آنتی بادیها درآن نگهداری میشود. |
SACS |
جدول 2 - بانکهای اطلاعاتی مربوط به پیشبینی اپیتوپهای سلولهای B
منبع |
URL |
خلاصه معرفی |
نام پایگاه اطلاعاتی |
(96) |
ابزاری برای پیشبینی اپیتوپهای سلول B است که بر مبنای الگوریتم شبکههای عصبی کار می کند. علاوه بر آن داده های این ابزار در پایگاه BCIPEP آزمون شده است. |
ABCpred |
|
(31) |
http://115.111.37.206:8080/agabdb2/home.jsp
|
پایگاهی بر اساس برهمکنشهای مولکولی موجود در ساختارهای همکریستال (که با هم کریستالیزه و کریستالوگرافی شده)، آنتیژن و آنتیبادی است که امکان شناسایی اپیتوپهای سلول B را میدهد. |
AgAbDb |
(94) |
این سرور اپیتوپهای خطی سلول B را با صحت 58.7% وبا توجه به ویژگیهایی مثل در دسترس بودن، آب دوستی، انعطافپذیری، قطبیت، سطح ارائه شده وپیچها پیشبینی میکند. |
Bcepred |
|
(55) |
پایگاهی که از مدل HMM برای پیشبینی اپیتوپهای سلول B استفاده میکند. |
Bepipred |
|
(74) |
بر اساس پیچهای پروتئینی اپیتوپهای پیوسته را پیشبینی میکند. |
BEPITOPE |
|
(106) |
سیستمی دو مرحلهای برای پیشبینی اپیتوپهای پیوستهی سلول Bاست که در ارتباط با پایگاه بیشبینی SCRATCH است. این نرم افزار قادر به تشخیص آنتیژن و غیرآنتیژن نمی باشد. |
COBEpro |
|
(99) |
این پایگاه توالی پپتیدهای خطی که شبیه اپیتوپهای خطی هستند را بر روی ساختار سهبعدی آنتیژنها شناسایی میکند. |
3DEX |
|
(41) |
با روشی که ترکیبی از دادههای آماری آمینواسیدها ، اطلاعات فضایی و میزان در سطح بودن میباشد، آمینواسیدهای موجود در اپیتوپهای ساختاری را با صحت 95% شناسایی میکند. |
Discotope |
|
(57) |
http://www.imgt.org/ |
سایتی بسیار جامع که دارای 6 نوع پایگاه اطلاعاتی و 15 ابزار مختلف برای بررسیهای مختلف روی توالی، ژن وساختار سهبعدی پروتئینها میباشد. |
IMGT |
(70) |
request from franck.molina@cpbs.univ-montp1.fr |
با استفاده از دو الگوریتم MIMALIGNو MIMCONS اپیتوپهای خطی و ساختاری را شناسایی میکند. |
MIMOP |
(43) |
http://immunet.cn/mimox/ |
مشابه MIMOPاز توالی مشابهت سازی برای یافتن اپیتوپ بر روی آنتیژن استفاده میکند. |
MIMOX |
(65) |
http://pepitope.tau.ac.il/ |
سروری پیشرفته با توانایی پیشبینی اپی توپ به روش مشابهت سازی و نقشه اپیتوپی. |
Pepitope |
جدول 3 - بانکهای اطلاعاتی مربوط به پیش بینی اپیتوپهای سلولهای T
منبع |
URL |
خلاصه معرفی |
نام پایگاه اطلاعاتی |
(34) |
خلاصههایی از فراوانی HLA و همچنین پلیمورفیسم در سیتوکینها را در اختیار قرار میدهد. |
Allele Frequencies |
|
(110) |
http://www.ddg-pharmfac.net/antijen/AntiJen/antijenhomepage.htm |
دادههای اتصالی تجربی وکمی پپتیدهای متصل شونده به MHC, TAP،اپیتوپهای سلول B و T وغیره را در اختیار قرار می دهد (در جدول قبل کارایی دیگر آن نیز ذکر شده است). |
AntiJen |
(114) |
شامل خلاصههایی ازسازماندهی ژنتیک نواحی HLA، همردیفی توالیهای ژنتیکی و ابزارهایی برای تعیین نوع HLA میباشد. |
dbMHC |
|
(114) |
http://www.ncbi.nlm.nih.gov/projects/gv/mhc/ihwg.cgi?cmd=page&page=AnthroMain
|
فراوانی اللها وهاپلوتایپهای فردی مربوط به تعداد زیادی از جمعیتها، ملل و نواحی جغرافیایی را می توان از آن استخراج کرد. |
dbMHC Anthropology |
(25) |
با روشهای پردازش اطلاعات کار کرده و همچنین قادر است عمکرد روشهای پیشبینی را با استفاده از دادههای تجربی مورد سنجش قرار می دهد. |
FRED |
|
(118) |
شامل اپیتوپهای سلولهای T که CD8+و CD4+ هستند و همچنین نقشه ی اپی توپی پروتئوم HIV است(در جدول قبل کارایی دیگر آن نیز ذکر شده است). |
HIV Immunology |
|
(84) |
http://www.iedb.org |
تا تاریخ 1 فوریه 2011 دارای 79230 اپیتوپ پپتیدی بوده اطلاعات مربوط به توالی اپیتوپ،آنتیژن و موجود مرجع آن را ارائه داده است(در جدول قبل کارایی دیگر آن نیز ذکر شده است). |
IEDB |
(57) |
شامل توالیهای همردیف و تفسیرشده HLA بر اساس شیوه نامگذاری سازمان بهداشت جهانی است. |
IMGT/HLA |
|
(57) |
شامل اطلاعات مربوط به توالیهای همردیف وتفسیر شده گیرنده سلول T میباشد. |
IMGT/TR |
|
(66) |
http://www.jenner.ac.uk/JenPep. |
پایگاهی شامل چندین نوع از دادهها از جمله: اپیتوپهای سلول B اپیتوپهای سلول T،کمپلکسpeptide–MHC–TR و غیره است. |
JenPep |
(11) |
شامل 20717 پپتید متصل شونده و 4022پپتید غیر متصل شونده به MHC ،1053 پپتید متصل شونده غیر متصل شونده به TAP و 1600 آنتیژن میباشد. |
MHCBN |
|
(42) |
حاوی دادههای مربوط به هاپلوتایپهای بیماریهای مرتبط با MHC، همراه با توالیهای کامل ژنومی، تغییرات(پلی مورفیسم) وارتباطات اجدادی آنها است. |
MHC Haplotype Project |
|
(118) |
شامل جداول تبدیلات ژنوتیپ، گونه و زیرگونه و نیز بخشهای لنگراصلی مخصوص HLA است. |
MotifScan |
|
|
پایگاه اطلاعاتی حاوی ساختار پروتئینها، دارای ابزارهای مشاهده ساختار و دارای ترکیبهای MHC/peptide/TCR |
PDB |
|
(87) |
امکان بررسی دقیق اپیتوپهایی که به MHC متصل میشوند و بخشهای لنگر وکمکی اختصاصی MHC را فراهم میکند. |
SYFPEITHI |
|
(82) |
پپتیدهای را بر اساس نیمهعمر جدا شدن از مولکولهای HLA کلاس 1 و با استفاده از جداول موجود در متون علمی رتبهبندی میکند. |
BIMAS |
|
(118) |
http://www.hiv.lanl.gov/content/hiv-db ELF/epitopeanalyzer.html/ |
قادر است نقشه موتیفهای لنگر HLA را بر روی پروتئینها و پپتیدها و در پیوستگی با اپیتوپهای شناخته شده (از پایگاههای اپیتوپ HIV و (HCVارائه نماید. |
ELF |
(85) |
از نسخه ارتقا یافته برنامه مدل ساز و تو نمایشگر سه بعدی برای پیشبینی وتصویر کردن اپیتوپها استفاده میکند. |
ElliPro |
|
(26) |
چندین روش پیشبینی برای لیگاندهای MHCهای کلاس 1 و 2داشته و همچنین قادر به بررسی تأثیر جهشها بر روی اپیتوپهای سلول T میباشد. |
EpiToolKit |
|
(102) |
اپیتوپهای دسته ی 1 و 2 که توسط گروه وسیعی از MHCها شناسایی میشوند و نیز انواع حفاظت شده اپیتوپها را پیشبینی میکند |
EpiVax |
|
(10) |
از طریق تلفیق روشهای پیشبینی اتصال به پردازش اپیتوپهای CTL میپردازد. |
CTLpred |
|
(59) |
http://tools.iedb.org/analyze/html/mhc_binding.html |
پیشبینی اتصال پپتید به MHC کلاس 1 و کلاس 2 و پیش بینی اپیتوپهای+ CD8سلول Tبر اساس پیشبینی اتصال پپتید و MHCدر IEDB، برش پروتئوزومی و اتصال به TAP را انجام میدهد. |
IEDB Binding MHC , |
(53) |
حاوی همه اپیتوپهای پیشبینی شده توسط FRAGPREDICT و SYFPEITHI ( نرم افزار ارائه شده در موارد قبلی) یا وزن مولکولی وگرایش اتصال پپتید و MHC پیشبینی شده میباشد. |
iMAPPP |
|
(36) |
http://www.ddg-pharmfac.net/mhcpred/MHCPred/ |
از طریق محاسبات انرژتیک برهم کنش لیگاند و پروتئین را بررسی کرده و امکان پیشبینی اتصال پپتید با MHC و TAP را فراهم میآورد. |
MHCPred |
(104) |
http://www.imtech.res.in/raghava/mhc2pred/ |
قادر به پیش بینی اپیتوپهای متصل شونده به دسته وسیعی از MHC ها در MHC های کلاس2 می باشد. |
MHC2Pred |
(7) |
بیشبینی کننده اپیتوپهای متصل شونده به دسته وسیعی از MHC ها در MHC های کلاس 1 می باشد و همچنین می تواند جهشهایی که منجر به اتصال قوی میشوند را نیز مشخص کند. |
MMBPred |
|
(71) |
می تواند جایگاههای برش پروتئوزومی وایمونو پروتئوزومی را با استفاده از شبکه عصبی غیر خطی پیش بینی کند. |
NetChop |
|
(56) |
با استفاده از روش ماتریکس وزنی و ترکیب پیشبینی اتصال پپتید و HLA، برش پروتئوزومی انتهای کربوکسیل وکارآمدی انتقال توسط TAP ، اپیتوپ را پیشبینی میکند. |
NetCTL |
|
(15) |
با استفاده از شبکههای عصبی مصنوعی اتصال پپتید به HLA را پیشبینی میکند. |
NetMHC |
|
(73) |
جایگاههای برش پروتئوزومی انسان را در اختیار قرار میدهد. |
PAProC |
|
(9) |
جایگاههای برش پروتئوزومی را در آنتی ژنها پیشبینی میکند. |
Pcleavage |
|
(103) |
پیشبینی اتصال پپتید به MHCکلاس2 را ارائه می کند. |
ProPred |
|
(104) |
پیشبینی اتصال پپتید به MHCکلاس1 را با امکان و استفاده از فیلتر اختیاری برش پروتئوزومی ، ارائه می کند. |
ProPred-I |
|
(87, 100) |
از سیستم امتیازدهی بر اساس فراوانی برای هر جایگاه اسید آمینهای برای پیش بینی اپیتوپ های سلول T استفاده میکند. |
SYFPEITHI |
|
(8) |
پیشبینی تمایل اتصالی پروتئینهای TAP را ارائه می کند. |
TAPPred |
آلرژیزاها: آلرژی وضعیتی است که سیستم ایمنی به برخی ازمواد که به طور عموم بیضرر پنداشته میشوند به شکل مضری پاسخ میدهد (98). مطالعات اخیر نشان داده است که آلرژی به مشکلی جدی در کشورهای صنعتی تبدیل شده و بخش قابل توجهی از جمعیت را تحت تأثیر قرار داده است (50، 61 و 72). در حقیقت، آلرژیها مهمترین بیماریهای مزمن در کشورهای صنعتی هستند(54). اهمیت این موضوع باعث افزایش روزافزون تحقیقات در این زمینه شده وحجم بالایی از اطلاعات را نیز ایجاد کرده است. این روند، استفاده از رویکردهای بیوانفورماتیک برای سازماندهی و سهولت درتفسیر این اطلاعات را اجتناب ناپذیر کرده است. ایجاد انواع پایگاههای اطلاعاتی و ابزارهای لازم برای پیشبینی آلرژیزاها، در شناسایی آلرژیزاهای جدید (از جمله آلرژیزاهای پنهان) وآلرژیهای بالقوه موجود به شکل پروتئینهای جدید را دارد (98).
در حال حاضر، تلاشها در حوزه انفورماتیک آلرژی، بیشتر بر مدیریت کیفی دادهها، پیشبینی اپیتوپهای B و T و همچنین آلرژیزایی و میانکنشهای آلرژیک، متمرکز شده است. به عبارت دیگر استانداردهای لازم برای ارزشیابی آلرژیزایی هنوز در مراحل اولیه خود قرار دارد. سازمان بهداشت جهانی (WHO) و سازمان خواربار و کشاورزی ملل متحد (FAO) رهنمودهایی را برای ارزیابی آلرژیزایی محصولات تغییر یافتهی ژنتیکی پیشنهاد کردهاند. بر اساس استاندارد Codex Alimentarius یک پروتئین زمانی به صورت بالقوه آلرژیزاست که تعداد 6 ≤ اسیدآمینه متوالی در یک ناحیه، و یا 35 درصد ≤ از اسیدهایآمینه در یک ناحیه 80 اسیدآمینهای مشابه با یک آلرژیزای شناخته شده داشته باشد. با وجود اینکه این پیشنهادات مفید و راهگشا هستند، اما محدودیتهای ذاتی این روشها در ارزیابی مولکولها و استثناهای موجود در قوانین، اجرای آنها را دچار مشکل کرده است. اما باید در نظر داشت که نقاط ضعف به خوبی در حال شناسایی و گزارش هستند (58). الگوریتمهایی برای ارزشیابی میزان احتمال آلرژیزا بودن در محصولات غذایی تغییر ژنتیک یافته، داروهای پزشکی که با استفاده از بیوتکنولوژی تولید میشوند و سایر محصولات موجود در سبد خرید مصرف کنندهها مورد استفاده قرار میگیرند (108). مقایسه سیستمهای پیشبینی آلرژیزایی، به سبب عدم وجود استانداردهای معتبر و یکسان تعریف آلرژیزایی و نبود توالیهای آزمون شده غیر آلرژیزا امری بسیار دشوار است. بسیاری از سیستمهای پیشبینی آلرژیزایی جدید برای آزمون و آموزش سیستمهای خود از توالیهای غیر آلرژیزای فرضی استفاده میکنند. در حال حاضر اطلاعات در مورد اهمیت کاربرد این سیستمها محدود است و احتمالاً هزینههای قابل توجهی برای پیادهسازی، بهبود و مدیریت این سیستمها صرف خواهد شد. با افزایش هرچه بیشتر ارزیابیها و دادههای تجربی، ارزش نسبی هر یک از روشها نیز شناخته خواهد شد و انتظار میرود که پیشنهادهای FAO/WHO در مورد استانداردهای مواد آلرژیزا نیز بهبود یابد.
جدول 4 فهرست برخی از پایگاههای اطلاعاتی موجود در مورد آلرژیزاها و نیز پایگاههای پیشبینی آلرژیزایی را ارائه میدهد. توضیح مختصری در مورد هر یک از پایگاهها و نیز پیوندهای اینترنتی مربوطه نیز برای راحتی دسترسی به آنها ارائه شده است.
4 - بانکهای اطلاعاتی مربوط به آلرژی
منبع |
URL |
خلاصه معرفی |
نام پایگاه اطلاعاتی |
(95) |
http://www.imtech.res.in/raghava/algpred/ |
امکان استفاده مجموعه ای از گزینهها را برای پیشبینی آلرژنها فراهم میآورد. |
AlgPred |
(51) |
این پایگاه حاوی 2,434 آلرژن میکروبی، جانوری وگیاهی و سه بخش یا عملکرد اصلی است: لیست دادهها،جستجوی آلرژن وپیشبینی آلرژیزایی. |
allergenic database
|
|
(62) |
بیشتر بر آلرژنهایی تأکید دارد که منجر به بیماریهایی با واسطه IgE میشوند وحاوی اطلاعات برگرفته از5800 متن علمی است. |
Allergome |
|
(27) |
آلرژیزایی احتمالی پروتئینها را بر اساس توصیههای ارائه شده در FAO/WHO (بخش همفکری تخصصی) پیشبینی میکند. |
Allermatch |
|
(68) |
از طریق روشی آماری به شناسایی پروتئینهای آلرژن جدید میپردازد. |
APPEL |
|
(75) |
حاوی اطلاعات مربوط به آلرژنها و ایزوآلرژنهاست که توسط کمیتهی نام گذاری در IUIS (International Union of Immunological Societies) ایجاد شده و نگهداری میشود. |
Database of IUIS |
|
(76) |
حاوی حدود 1491 توالی آلرژن شناخته شده یا احتمالی است که از متون علمی یا پایگاههای عمومی استخراج شدهاند. |
FARRP |
|
(46) |
حاوی 1425 آلرژن و ایزوآلرژن و نیز ابزارهای مختلف برای آزمونهای آلرژیزایی طبق استاندارد های FAO/WHO میباشد. همچنین احتمال اتصال IgE غذاهای اصلاح ژنتیک شده را میسنجد. |
SDAP |
ایمونوانفورماتیک و تکامل مولکولی ژنها و پروتئینهای ایمنی: برای مشخص کردن روند تکاملی سیستم ایمنی انسان، باید دستهای از ژنها و پروتئینهای مرجع تعریف شوند. بدین منظور Ortutay و همکارانش پایگاه اطلاعاتی با عنوان IMMTREE را برای درختهای تکاملی پروتئینهای سیستم ایمنی انسان ایجاد کردهاند (77) . این پایگاه حاوی اطلاعات ژنهای مشابه انسانی در 80 گونه دیگر حیوانات میباشد. پایگاه اطلاعاتی IMMUNOME (78) مورد دیگری است که در آن 847 ژن و پروتئین بر اساس عملکرد، دومینهای پروتئینی و از نقطه نظر هستی شناسی ژنی (Ontology) شناسایی و توصیف شدهاند. پایگاه Knowledge Base (IKB) Immunome تعدادی از پایگاهها را به صورت یک مجموعه جمعآوری کرده است. این پایگاه دارای گروههای مشابه و مربوط به 1811 مورد از ژنهای ایمنی در پرسلولیها و برای مطالعه تکامل سیستم ایمنی میباشد. همچنین دارای تاریخ تکاملی ژنها و پروتئینها، ژنهای مشابه، اطلاعاتی در مورد جهشهای بیماریزا، گونه هایی که پردازش متفاوت داشتهاند وتنوع در تعدادنسخههای ژنی نیز میباشد (جدول 5).
جدول 5 - فهرستی از پایگاههای تکامل مولکولی ژنها و پروتئینهای ایمنی، اطلاعاتی در مورد پایگاه و پیوندهای اینترنتی مربوطه نیز ارائه شده است.
منبع |
URL |
خلاصه معرفی |
نام پایگاه اطلاعاتی |
(77) |
http://bioinf.uta.fi/ImmTree |
پایگاهی برای درختهای تکاملی پروتئینهای سیستم ایمنی است و حاوی اطلاعات اورتولوگهای ژنهای انسانی در 80 گونهی دیگر است. |
ImmTree |
(88) |
http://bioinf.uta.fi/Immunome/ |
آخرین نسخهی آن مربوط به اواخر 2008 با 893 ژن میباشد که حاوی اطلاعات زیادی در مورد پروتئینهای ایمنی، ساختار، محل، ژن مربوطه آنها وغیره است که برگرفته از متون علمی است. |
Immunome database |
(79) |
http://bioinf.uta.fi/IKB/ |
ترکیب کننده سه پایگاه سابق Immunome، ImmTree و ImmunomeBase همراه با اطلاعات تکمیلی دیگر است که اطلاعات جامعی در مورد پروتئینها و ژنهای ایمنی در اختیار قرار میدهد. |
Immunome Knowledge Base |
ایمونوانفورماتیک و کاربردهای آن: ابزارهایی که ایمونوانفورماتیک در اختیار محققین قرار میدهد در بخشهای مختلفی از ایمنیشناسی قابل استفاده میباشد که در این بخش به دو کاربرد اصلی آنها شامل طراحی واکسن در فضای مجازی و مدلسازی سیستم ایمنی اشاره میشود.
طراحی واکسن در فضای مجازی: از سال 1995 تاکنون توالی ژنومی بیش از 180 گونه جاندار بهطور کامل توالییابی شد و همزمان با آن مجموعههایی از ابزارهای انفورماتیکی برای استفاده از این مقدار انبوه دادههای جدید نیز ایجاد شدند. برخی از این ابزارهای مجازی به محققین اجازه میدهند تا قسمتهایی از ژنوم میکروبها را که منجر به تحریک سیستم ایمنی میشوند و یا به عبارت دیگر اپیتوپها را انتخاب کنند. اپیتوپها اجزای بسیار مناسبی برای طراحی واکسنها محسوب میشوند. هنگامی که استفاده از این ابزارهای جدید برای جستجوی اپیتوپها با روشهای کاوش در in vitro همراه شود، در واقع منجر به علمی میشود که بیان سادهای از ایمنوانفورماتیک است. هماکنون محققین از این روشهای ترکیبی برای بررسی توالیهای ژنومی جهت یافتن اجزاء واکسنها استفاده میکنند. بدین طریق آنها تعداد پروتئینهایی که برای تولید واکسن میتوان بررسی کرد را افزایش میدهند و از طرف دیگر این جستجو را تنها به نواحی ویژهای از پروتئینها که به مقدار بسیار زیادی احتمال تحریک ایمنی را دارند، محدود میکنند(4، 22، 30، 33، 45، 83، 86 و 92). با بهبود این ابزارها میتوان از بسیاری از مراحل آزمایشگاهی صرفنظر کرد. پیشرفت در این زمینه به گونهای است که انتظار میرود بتوان بطور مستقیم از توالی ژنومی به طراحی واکسن رسید. ارزیابی اولیه چنین واکسنهای اپیتوپی که بر علیه باکتریهای بیماریزای دامی طراحی شده است، در مدلهای حیوانی مثبت بوده است(3 و 5). به طور حتم تأیید این واکسنها در مورد انسان، دوره جدیدی را در این حوزه شروع خواهد کرد (جدول 6) (21).
جدول 6 - برخی از پایگاههای مربوطه به واکسیناسیون In-silico و پیوندهای اینترنتی آنها را در اختیار قرار میدهد
منبع |
URL |
خلاصه معرفی |
نام پایگاه اطلاعاتی |
(23) |
اولین پایگاه مستقل از همردیفی برای پیشبینی آنتیژنهای حفاظت بخش ((protective antigen است که تنها بر اساس ویژگیهای فیزیکوشیمیایی، آنتیژنها را دستهبندی میکند. |
VaxiJen |
|
(40) |
این پایگاه با هدف طراحی DNA واکسنهای بهینه و کارآمد ایجاد شده که خدماتی مانند بهینهسازی کدونها،مهندسی موتیفهای CpG، وارد کردن توالیهای مثل کوزاک و انتخاب نوع ناقل را ارائه میدهد. |
DyNAVacs |
|
(112) |
امکان شناسایی بهترین نامزدهای واکسن از میان کل پروتئوم باکتریها را ممکن می سازد. |
NERVE |
|
(116) |
این پایگاه، کاوش در دادههای متون علمی، ذخیره و پردازش دادههای مربوط به تحقیقات واطلاعات پردازش شده دادههای واکسنی را برای واکسنها و کاندیداهای واکسن انجام می دهد. |
VIOLIN |
|
(115, 117) |
http://www.violinet.org/vaxign/ |
سیستمی برای پیشبینی واکسن هدف است که بر اساس قواعد واکسنشناسی معکوس عمل میکند دو برنامه Vaxign Query و Dynamic Vaxign Analysisدرآن وجود دارد. |
Vaxign |
مدلسازی سیستم ایمنی: مدلسازی سیستم ایمنی، نمایی از سیستم ایمنی را از هر دو دیدگاه کمی و کیفی ارائه میدهد. این مدلها میتوانند برهمکنش آنتیژن- آنتیبادی و پاسخ ایمنی را نسبت به یک آنتیژن خاص در مواردی همانند تجویز یک دارو و یا آزمون یک کاندیدای واکسن روشن کنند. این امر در کاهش هزینه و زمان مؤثر خواهد بود. در راستای مدلسازی و شبیهسازی سیستم ایمنی پروژههایی در حال انجام است که میتوان به پروژههایIMMUNOGRID (http://wwwimmunogrid.org) و VIROLAB (http://www.virolab.org: 080/virolab) که برای شبیهسازی سیستم ایمنی تلاش میکنند، اشاره کرد. پروژه IMMUNOGRID بهدنبال شبیه سازی فرآیندهای ایمنی از طریق ترکیب مطالعات ایمنیشناسی و محاسباتی است. پروژه VIROLAB بهدنبال ایجاد آزمایشگاهی مجازی برای بیماریهای عفونی با استفاده از آزمون عوامل ژنتیکی بیماریهای انسانی است (20). نرمافزار SIMISYS 0.3 (49) نمونهای دیگر از ابزارهایی است که به مدلسازی و شبیهسازی اجزای سیستم ایمنی ذاتی و اختصاصی میپردازد که اساس آن چهارچوبی محاسباتی از ماشین خودکار سلولی است. این نرمافزار شبیهسازی شرایط سلامتی و بیماری را با استفاده از برهمکنشهای میان سلولها از جمله ماکروفاژها، سلولهای دندریتیک، سلولهای B، سلولهای T helper و باکتریهای بیماریزا انجام میدهد. البته توجه به این نکته ضروری است که باید بین دادههای مجازی و دادههای تجربی تعادل و هماهنگی وجود داشته باشد. بدیهی است که دادههای محاسباتی نیاز به اثبات از طریق آزمایش دارد تا تبدیل به دانش واقعی شود. در حقیقت عصر پساژنومیک نیازمند تبادل دادهها از آزمایشگاه به شبیهسازی و برعکس میباشد(16).
جمع بندی
حوزه ایمنوانفورماتیک با سرعت بالایی در حال توسعه و پیشرفت میباشد به طوری که هماکنون تقریبا در تمامی بخشهای مطالعات ایمنیشناسی کاربرد دارد. پیشرفتهای بسیاری در این زمینه حاصل شده و این پیشرفتها منجر به طراحی ابزارهای مختلف پیشبینی و پایگاههای متعدد اطلاعاتی شده است هنوز با اهدافی چون رسیدن به یک سیستم ایمنی مجازی و تکمیل پروژههایی مثل Immunogrid فاصله وجود دارد. برای پیشرفت بیشتر در این زمینه باید همکاری بین ایمنیشناسان و محققین بیوانفورماتیک شکل بگیرد. در این صورت با شناخت درست از هر دو حوزه و تعریف استانداردهای مشترک میتوان امید داشت که طراحی ابزارهای جدید و کارآمد میسر گردد. البته وجود ارتباط، بین مطالعات ایمونوانفورماتیکی و کارهای آزمایشگاهی انجام شده توسط دانشمندان برای بهبود و ارتقای الگوریتمها و روشهای موجود، لازم و ضروری است. با وجود گستردگی و انبوه دادههای موجود و دادههایی که احتمالاً در آینده ایجاد خواهند شد استفاده از ایمونوانفورماتیک بهویژه در زمینه طراحی واکسن و شبیهسازی سیستم ایمنی اهمیت بیشتری پیدا خواهد کرد تا بتوان با صرف هزینه و زمان کمتر در شناخت سیستم ایمنی پیشرفت.