方法文章

利用X射线晶体学、生物物理学与功能检测确定T细胞受体识别肿瘤抗原的调控机制

DOI:

10.3791/54991

2017年2月6日

* These authors contributed equally

本文内容

摘要

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

本文介绍了我们在实验室中常用的方法,用于研究T细胞受体与人类白细胞抗原呈递的肿瘤抗原之间的相互作用特性如何调控T细胞功能;这些方法包括蛋白质表达与纯化、X射线晶体学、生物物理学分析以及功能性T细胞实验。

摘要

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

人类 CD8+ 细胞毒性T淋巴细胞(CTLs)在肿瘤控制中发挥着重要作用。为了实现这一功能,细胞表面表达的T细胞受体(TCR)必须能够功能性识别由人类白细胞抗原(HLA)限制的肿瘤来源肽段(pHLA)。然而,我们及其他研究者已发现,大多数TCR与肿瘤抗原的结合效果次优。揭示决定这种低效识别的分子机制,将有助于开发新的靶向疗法,以克服这些局限性。事实上,目前缺乏此类分子层面理解的治疗方法尚未普遍有效。本文描述了我们在实验室中常用的方法,用于研究TCR与pHLA之间相互作用的性质如何调控T细胞功能。这些方法包括可溶性TCR和pHLA的制备,以及利用这些试剂进行X射线晶体学分析、生物物理分析,以及使用pHLA多聚体对T细胞进行抗原特异性染色。通过这些方法并结合结构分析,可以对TCR与pHLA之间的相互作用进行改造,并进一步检测这些改造如何影响T细胞对抗原的识别。这些研究成果已帮助阐明了T细胞识别多种肿瘤抗原的机制,并可指导改造肽段和修饰TCR的设计,从而推动新型癌症疗法的开发。

引言

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

X射线晶体学过去是,未来仍将是理解配体-受体相互作用本质的一种极为强大的技术。通过在原子水平上可视化这些相互作用,不仅能够揭示调控多种生物过程的分子机制,还可以直接改造相互作用界面以获得治疗效益。结合表面等离子共振和等温滴定 calorimetry(仅举两例)等技术,可对这些改造进行生物物理分析,以评估其对结合亲和力、相互作用动力学及热力学的直接影响。最后,通过对相关细胞类型进行功能实验,可以获得配体-受体相互作用在分子和功能层面影响的详细图景,从而提供非常特异的机制性信息。总体而言,这类方法提供了原子分辨率的视角,有助于阐明生物系统的工作机制,并为诊断和治疗的进步带来重要启示。

本实验室常规使用这些技术来研究介导人类T细胞对病原体和癌症免疫反应的受体,以及在自身免疫和移植过程中的相关受体。本文重点探讨由T细胞受体(TCR)与人类白细胞抗原(HLA)限制性肿瘤来源肽段(pHLA)相互作用所介导的人CD8+ T细胞对癌症的免疫应答。这一点非常重要,因为尽管CD8+ T细胞能够靶向癌细胞,但我们及其他研究团队此前已证实,抗肿瘤TCR与其对应的pHLA结合效率较低1,2。因此,许多实验室尝试改造TCR3,4,5或肽配体6,7,8,以增强免疫原性并更有效地靶向癌细胞。然而,这些方法并不总是有效,且可能产生严重副作用,包括脱靶毒性4,9,10。进一步研究调控T细胞识别肿瘤抗原的分子机制,对于克服上述局限性至关重要。

在本研究中,我们重点关注了CD8对自体黑色素瘤细胞的反应+ 针对黑色素细胞分化抗原糖蛋白100(gp100)片段的T细胞,gp100280-288,由HLA-A*0201(最常表达的人类pHLA I类分子)呈递。该抗原是黑色素瘤免疫治疗中被广泛研究的靶点,并已被开发为所谓的 "异源性" 一种在锚定位点9处以缬氨酸取代丙氨酸以提高pHLA稳定性的多肽11该方法被用于增强黑色素瘤反应性CTL的诱导 体外 并在临床试验中成功应用12然而,肽残基的修饰可能对T细胞特异性产生不可预测的影响,这一点已通过大多数异源肽在临床应用中的低效性得到证实6,13确实,gp100的另一种异嗜性形式280-288,其中肽段第3位的谷氨酸残基被丙氨酸取代,导致gp100多克隆群体无法识别280-288特异性T细胞14,15我们先前已证明,即使肽段锚定残基发生微小改变,也可能以不可预测的方式显著改变T细胞的识别6,16因此,该研究着重于构建更详细的CD8+ T细胞识别gp100,以及TCR与pHLA之间相互作用的修饰如何影响这一功能。

本研究中,我们制备了两种针对由HLA-A*0201(A2-YLE)呈递的gp100280-288的T细胞受体(TCR)的高纯度可溶性形式,以及天然型和修饰型pHLA分子。这些试剂被用于获得蛋白质晶体,以解析人源TCR与异嗜性A2-YLE复合物的三元原子结构,以及两种未结合状态的突变型pHLA结构。随后,我们采用肽段扫描方法,通过深入的生物物理实验,揭示肽段替换对TCR的影响。最后,我们构建了一株经基因改造的CD8+ T细胞系,使其表达其中一种特异性识别A2-YLE的TCR,以开展功能实验,评估不同肽段修饰的生物学效应。研究结果表明,即使对TCR结合基序以外的肽段残基进行修饰,也可能对邻近残基产生不可预测的连锁效应,从而阻断TCR结合及T细胞识别。本研究首次揭示了T细胞识别黑色素瘤重要治疗靶点的结构机制。

方案

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

1. 蛋白质表达

  1. 按照先前详细描述的方法构建用于生成可溶性TCR和pHLA的基因质粒17,18。每个构建体设计为含有5'端BamH1和3'端EcoR1限制性酶切位点,以便插入pGMT7载体中。
  2. 将含有目标蛋白编码序列的pGMT7衍生质粒转化至大肠杆菌(E. coli)Rosetta (DE3)pLysS中:取1 µL浓度为50–200 ng/µL的质粒与5 µL E. coli混合,于4 °C孵育5分钟,42 °C孵育2分钟,再于4 °C孵育5分钟,随后涂布于添加了50 mg/L羧苄青霉素的LB琼脂平板上,37 °C过夜培养。
  3. 挑取单菌落,在30 mL添加了100 µM羧苄青霉素的TYP培养基(16 g/L胰蛋白胨、16 g/L酵母提取物和5 g/L KH2PO4)中,于37 °C、220 rpm条件下培养,直至菌液在600 nm处的光密度(OD600)达到0.4至0.6之间。
  4. 取5 mL培养物,加入0.5 mM异丙基-β-D-硫代半乳糖苷(IPTG)诱导蛋白表达3小时。分别保留20 µL诱导前和诱导后的菌液用于十二烷基硫酸钠聚丙烯酰胺凝胶电泳(SDS-PAGE)分析,并对凝胶进行染色。
  5. 将上述培养的种子液接种至1 L添加了100 µM羧苄青霉素的TYP培养基中,按步骤1.3所述条件继续培养,直至菌液OD600达到0.4至0.6。
  6. 加入0.5 mM IPTG诱导蛋白表达3小时。以3,000 × g离心20分钟,小心弃去上清液。
  7. 将沉淀溶解于40 mL裂解缓冲液(10 mM Tris,pH 8.1;10 mM氯化镁,MgCl2;150 mM NaCl;10%甘油)中,在冰上超声处理30分钟(功率60%,每2秒间隔一次),随后在室温(RT)下加入0.1 g/L DNase孵育30分钟。
  8. 用100 mL洗涤缓冲液(0.5% Triton X-100;50 mM Tris,pH 8.1;100 mM NaCl;10 mM EDTA)处理含有包涵体(IB)形式蛋白的悬浮液。
  9. 在4 °C、8,000 × g条件下离心20分钟,小心弃去上清液。将沉淀重悬于100 mL重悬缓冲液(50 mM Tris,pH 8.1;100 mM NaCl;10 mM EDTA,pH 8.1)中,再次以8,000 × g离心,小心弃去上清液。
  10. 最后,将沉淀溶解于10 mL变性缓冲液(6 M盐酸胍;50 mM Tris,pH 8.1;2 mM EDTA,pH 8.1;100 mM NaCl)中,并使用分光光度计在280 nm处测定蛋白浓度。

2. pHLA 和 TCR 复性

  1. 对于pHLA复性,将30 mg HLA-A2(或带有生物素标签的HLA-A2)包涵体、30 mg β2m包涵体和4 mg多肽在6 mL含10 mM二硫苏糖醇(DTT)的变性缓冲液中混合,在37 °C水浴中孵育30分钟。
  2. 通过将上述混合物稀释至1 L预冷的pHLA复性缓冲液(50 mM Tris,pH 8.1;400 mM L-精氨酸;2 mM EDTA,pH 8.1;6 mM 半胱胺;4 mM 胱胺)中,启动蛋白复性过程,持续3小时。
  3. 在4 °C下搅拌复性反应液3小时,随后转移至12.4 kDa截留分子量(MWCO)透析管中,用20 L的10 mM Tris缓冲液(pH 8.1)透析两次,每次24小时。
  4. 对于TCR复性,将30 mg TCR α链包涵体和30 mg TCR β链包涵体在6 mL含10 mM DTT的变性缓冲液中混合,在37 °C水浴中孵育30分钟。
  5. 通过将变性的TCR混合物稀释至1 L预冷的TCR复性缓冲液(50 mM Tris,pH 8.1;2.5 M 尿素;2 mM EDTA,pH 8.1;6 mM 半胱胺;4 mM 胱胺)中,启动蛋白复性,持续3小时。
  6. 将复性产物转移至12.4 kDa MWCO透析管中,用20 L的10 mM Tris缓冲液(pH 8.1)透析两次,每次24小时。
  7. 使用0.45 µm膜滤器对pHLA或TCR复性产物进行过滤,以用于后续纯化步骤。

3. 快速蛋白液相色谱(FPLC)纯化

  1. 将过滤后的复性产物(pHLA 或 TCR)上样至一个 7.9 mL、50 µm 的阴离子交换树脂柱,该柱已使用 20 mL 的 10 mM Tris(pH 8.1)在灵活且直观的层析系统上预先平衡。
  2. 以 5 mL/min 的流速,用盐梯度(在 10 mM Tris,pH 8.1 中含 0–500 mM NaCl,8 个柱体积内完成)洗脱蛋白,并收集 1 mL 的组分。
  3. 通过 SDS-PAGE 分析对应目标蛋白的组分,合并含有目标蛋白的组分,并通过离心(4,000 × g,20 分钟)使用 10-kDa 截留分子量(MWCO 20)或 10 kDa 截留分子量(MWCO 4)超滤管浓缩至 500 µL,弃去滤过液。
  4. 将浓缩后的蛋白样品加载至 2 mL 上样环,进样到已预先用适当洗脱缓冲液平衡的 24 mL 凝胶过滤层析柱中:磷酸盐缓冲盐水(PBS)、HBS(10 mM HEPES,pH 7.4;150 mM NaCl;3.4 mM EDTA;0.005% 表面活性剂)或结晶缓冲液(10 mM Tris,pH 8.1,10 mM NaCl)。
  5. 以 0.5 mL/min 的流速在一个柱体积范围内洗脱蛋白;收集经 SDS-PAGE 验证含有目标蛋白的 1 mL 组分。
    注:这些方法用于制备可溶性 PMEL17 TCR 和 gp100 TCR,以及本研究中使用的所有 pHLA:HLA-A*0201 负载 YLEPGPVTA(A2-YLE)、YLEPGPVTV(A2-YLE-9V)、ALEPGPVTA(A2-YLE-1A)、YLAPGPVTA(A2-YLE-3A)、YLEAGPVTA(A2-YLE-4A)、YLEPAPVTA(A2-YLE-5A)、YLEPGAVTA(A2-YLE-6A)、YLEPGPATA(A2-YLE-7A)或 YLEPGPVAA(A2-YLE-8A)。

4. 表面等离子体共振(SPR)分析

  1. 使用配备 CM5 传感器芯片的分子相互作用分析系统进行平衡结合分析或热力学分析19
  2. 以 10 µL/min 的流速和 25 °C 的条件,注入 100 mM N-羟基琥珀酰亚胺(NHS)与 400 mM 1-乙基-3-(3-二甲基丙基)碳二亚胺(EDC)的 1:1 混合液,持续 10 分钟,以活化 CM5 芯片。
  3. 将链霉亲和素(200 µg/mL 溶于 10 mM 乙酸盐缓冲液,pH 4.5,共 110 µL)共价偶联至四个流通池的芯片表面,加载约 5,000 响应单位(RU),随后使用 100 µL 的 1 M 盐酸乙醇胺封闭芯片上剩余的活性基团。
  4. 将约 500–600 RU 的 pHLA(浓度约为 1 µM,溶于商品化缓冲液,由生产商提供)以 10 µL/min 的低流速偶联至 CM5 传感器芯片,以确保其在芯片表面均匀分布。
  5. 用商品化缓冲液(由生产商提供)中含 1 mM 生物素的溶液冲洗芯片表面 60 秒,以饱和未结合位点。
  6. 在 25 °C 下,以 30 µL/min 的高流速将可溶性 TCR 的十个连续稀释浓度注入相应的流通池。
  7. 采用非线性曲线拟合(y = (P1x)/(P2+x))计算平衡结合常数(KD (E))值20
    注:y = 响应单位,x = 分析物浓度,P1 = rmax,P2 = KD
  8. 假设为 1:1 Langmuir 结合模型,使用软件包中的全局拟合算法进行动力学分析2
  9. 通过在以下温度下重复该方法进行热力学实验:5 °C、12 °C、18 °C、25 °C 和 30 °C19
  10. 利用 SPR 在不同温度下测定的 KD 值,根据标准热力学方程(ΔG° = -RTlnKD)计算 ΔG°19
    注:R = 气体常数,T = 开尔文温度,ln = 自然对数。
  11. 根据 Gibbs-Helmholtz 方程(ΔG° = ΔH − TΔS°)计算热力学参数19
  12. 以结合自由能 ΔG°(ΔG° = -RTlnKD)对温度(K)作图,采用非线性回归拟合三参数方程(y = ΔH+ΔCp*(x-298)-x*ΔS-x*ΔCp*ln(x/298))19
    注:y = 温度(K),x = ΔG°。

5. 等温滴定 calorimetry(ITC)

  1. 使用等温滴定微量热仪进行ITC实验。将30 µM pHLA注入量热计样品池中,并将210 µM可溶性TCR装入注射器中。缓冲液条件如下:20 mM Hepes(pH 7.4),含150 mM NaCl。
  2. 进行20次TCR注射,每次注射体积为2 µL。使用分析软件计算ΔH和KD

6. 结晶、衍射数据收集与模型优化

  1. 使用结晶机器人进行结晶实验。
  2. 在18 °C条件下,采用悬滴法于96孔板中通过蒸气扩散法生长晶体,每个储液池中含60 µL结晶缓冲液(母液)21
  3. 将可溶性pHLA在结晶缓冲液中浓缩至约10 mg/mL(0.2 mM),使用截留分子量为10 kDa的离心浓缩器,在3,000 × g条件下离心完成。
  4. 对于共复合物结构,将TCR与pHLA按1:1摩尔比混合,获得浓度约为10 mg/mL(0.1 mM)的蛋白溶液。
  5. 使用结晶机器人,将200 nL单独的pHLA或TCR与pHLA的1:1摩尔比混合液,加入至结晶筛选板中每孔200 nL的储液溶液中,并在24小时、48小时、72小时后以及此后每周在显微镜下观察并记录晶体生长情况。
  6. 在显微镜下手动将单晶装载至冷冻环中,并通过浸入液氮(100 K)进行冷冻冷却并保存。
    注:晶体装载需要一定练习,而判断哪些晶体适合用于数据收集则依赖经验。一般而言,晶体越大且越规则,质量越好。
  7. 在100 K的氮气流中收集衍射数据。
    注:本研究的数据是在英国Diamond Light Source(DLS)国家同步辐射科学设施采集的。
  8. 使用xia2程序结合MOSFLM22和XDS软件包23估算衍射点强度,然后使用SCALA或AIMLESS24以及CCP4软件包25对数据进行标度处理。
  9. 采用分子置换法,使用PHASER26求解结构。
  10. 使用COOT27对模型进行调整,并使用REFMAC528对模型进行精修。
  11. 使用PYMOL29生成结构图示。
  12. 使用CCP4软件包中的"contact"程序计算分子间相互作用,范德华接触的截断距离设为4 Å,氢键和盐桥的截断距离设为3.4 Å。
  13. 使用CCP4软件包中的"SC"程序计算表面互补性。
  14. 按照文献所述方法计算TCR-pHLA复合物的交叉角度30
    注:本研究中,衍射数据和最终模型坐标已提交至PDB数据库(PMEL17 TCR-A2-YLE-9V PDB: 5EU6,A2-YLE PDB: 5EU3,A2-YLE-3A PDB: 5EU4,以及A2-YLE-5A PDB: 5EU5)。

结果

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

利用上述方法,我们制备了可溶性 TCR(表 1)和 pHLA 分子,以对 CD8+ T 细胞识别 gp100280-288 进行深入的分子分析。采用改良的 E. coli 表达系统,分别表达 TCR(α 和 β 链)和 pHLA(α 链和 β2m)各单条链的不溶性包涵体。该方法具有成本相对较低、易于建立的优点,并能产生较高的蛋白产量(每升培养液 100–500 mg)。此外,若在 -80 °C 条件下保存,这些不溶性蛋白具有高度稳定性。随后,我们采用成熟的复性和纯化技术,获得了功能完整、均一的可溶性蛋白。该方法适用于制备用于生物物理、结构和细胞实验的蛋白,也可用于制备诊断或治疗用途的试剂。

在此,我们利用这些蛋白对肽骨架进行丙氨酸扫描突变实验,并通过表面等离子共振(SPR)实验评估TCR结合亲和力(表2)。该检测明确了肽段中哪些残基对TCR结合最为关键。利用该技术进行高分辨率的结合亲和力分析,对于揭示调控蛋白质-蛋白质相互作用的生物学机制,以及分析治疗性分子的结合亲和力具有重要意义。

随后,我们将一种黑色素瘤特异性的可溶性T细胞受体(PMEL17 TCR)与一种修饰的肿瘤来源pHLA(A2-YLE-9V)形成复合物,并进行结晶,以在原子分辨率水平上研究其结合模式(图1图2表3)。这些实验直接展示了两种分子之间的结合界面,提供了关于相互作用基本原理的关键信息。我们进一步通过表面等离子共振(SPR)和等温滴定量热法(ITC)对这一相互作用进行了热力学分析,揭示了驱动结合的能量贡献(图3)。这些分析结果还得到了两种蛋白之间接触界面高分辨率描述的进一步支持(图4表4)。

随后,我们解析了未结合配体的pHLA分子结构,这些分子呈递了突变形式的肽段,揭示出一种分子开关机制,可解释为何某些突变会消除TCR结合(图5)。

总体而言,这些技术提供了新的数据,阐明了T细胞识别黑色素瘤来源抗原的机制,该抗原是抗癌治疗的重要靶点。更广泛地说,这些技术可用于研究几乎任何受体-配体相互作用,揭示可能成为新型治疗手段靶点的新生物学机制。

蛋白质结构、分子图示、晶体学、结合位点分析、结构生物学。
图 1:电子密度图分析。 左侧一列表示在模型 refinement 过程中省略了多肽的 omit 图谱。差值电子密度图在 3.0 sigma 水平进行等高线绘制,正密度以绿色表示,负密度以红色表示。右侧一列表示在使用 REFMAC5 自动施加的非晶体学对称性限制进行后续 refinement 后,1.0 sigma 水平的观测图谱(以灰色网格形式显示在蛋白质链的棍状模型周围)。(A) PMEL17 TCR-A2-YLE-9V 的模型,其中 TCR 的 CDR3 环以蓝色(α 链)和橙色(β 链)标出,多肽以绿色标出。(B) A2-YLE 的模型,多肽以深绿色标出。(C) A2-YLE-3A 的模型,多肽以橙色标出(对于 A2-YLE-3A,非对称单元中包含两个分子,但它们在 omit 图谱和密度图方面几乎完全相同,因此此处仅显示拷贝 1)。(D) A2-YLE-5A 的模型,多肽以粉红色标出。经参考文献31许可转载。请点击此处查看该图的放大版本。

TCR-肽-HLA 复合物示意图;展示 CDR 与 gp100 肽的相互作用位点及角度。
图 2:PMEL17 TCR 与 A2-YLE-9V 复合物的总体结构。A)PMEL17 TCR-A2-YLE-9V 复合物的卡通图。TCR 以黑色表示;TCR 的 CDR 环以不同颜色标示(红色,CDR1α;深绿色,CDR2α;蓝色,CDR3α;黄色,CDR1β;青色,CDR2β;橙色,CDR3β);HLA-A*0201 以灰色表示。YLE-9V 肽以绿色棍状模型表示。(B)PMEL17 TCR CDR 环残基(颜色编码同 A)与 A2-YLE 表面(A2,灰色;YLE-9V,绿色棍状)接触的表面与棍状表示。黑色对角线表示 TCR 相对于 YLEPGPVTV 肽长轴的交叉角度(46.15°)。(C)PMEL17 TCR 在 A2-YLE-9V 表面的接触足迹(A2,灰色);紫色和绿色(分别为表面和棍状)分别表示 HLA-A*0201 和被 gp100 TCR 接触的 YLE 残基。氢键的截断距离为 3.4 Å,范德华相互作用的截断距离为 4 Å。经参考文献 31 许可转载。请点击此处查看该图的放大版本。

PMEL17 TCR在不同温度下的结合动力学图、热力学数据图表、动力学常数。
图3:PMEL17 TCR与A2-YLE相互作用的热力学分析。A)PMEL17 TCR在5、12、18、25和37 °C下对A2-YLE的平衡结合响应,共进行九至十次TCR连续稀释。表面等离子共振(SPR)原始数据及拟合数据(假设为1:1 Langmuir结合模型)显示于各曲线插图中,并采用全局拟合算法(BIAevaluation 3.1)计算Kon和Koff值。表格列出了各温度下的平衡结合常数(KD (E))和动力学结合常数(KD (K) = Koff/Kon)。平衡结合常数(KD,µM)通过非线性拟合(y = (P1x)/(P2+x))计算得出。(B)根据Gibbs-Helmholtz方程(ΔG° = ΔH° − TΔS°)计算热力学参数。结合自由能ΔG°(ΔG° = -RTlnKD)随温度(K)的变化通过非线性回归拟合三参数方程(y = ΔH°+ΔCp°*(x-298)-x*ΔS°-x*ΔCp°*ln(x/298))进行分析。在298 K(25 °C)下的焓变(ΔH°)和熵变(TΔS°)以kcal/mol表示,通过自由能(ΔG°)随温度(K)变化的非线性回归计算获得。(C)PMEL17 TCR与A2-YLE相互作用的等温滴定量热法(ITC)测定结果。298 K(25 °C)下的焓变(ΔH°)和熵变(TΔS°)以kcal/mol表示。经参考文献31许可重印。请点击此处查看该图的放大版本。

显示氢键和范德华力的蛋白质相互作用图;结构分析。
图4:PMEL17 CDR环聚焦于肽残基Pro4、Val7和Thr8。A)YLE-9V肽与PMEL17 CDR环残基之间相互作用的示意图(颜色编码同图2A)。面板底部的数字表示TCR与肽之间的总相互作用数。(B)PMEL17 TCR与YLE-9V肽(绿色棍状)之间的相互作用,显示TCR CDR3α(蓝色)、CDR1β(黄色)、CDR2β(青色)和CDR3β(橙色)环所形成的范德华相互作用(黑色虚线)和氢键(红色虚线)。下部面板分别为YLE Pro4、Val7和Thr8与TCR CDR环残基(棍状颜色编码同图1A)之间相互作用的放大视图。氢键的截断距离为3.4 Å,范德华相互作用为4 Å。经参考文献31许可重印。请点击此处查看此图的放大版本。

显示序列突变的蛋白质结构比较图;氨基酸变化的详细视图。
图 5:HLA-A*0201 呈递的 YLE、YLE-3A 和 A2-YLE-5A 肽的构象比较。A)通过叠加 HLA-A*0201 α1 螺旋(灰色卡通图)对 YLE(深绿色棍状)和 YLE-3A(橙色棍状)肽进行比对。方框中的残基表示谷氨酸3突变为丙氨酸。插图显示,在 A2-YLE-3A 结构中,Glu3Ala 取代导致邻近残基 Pro4 的位置发生偏移(黑色箭头),与 A2-YLE 结构相比。 (B)通过叠加 HLA-A*0201 α1 螺旋(灰色卡通图)对 YLE(深绿色棍状)和 YLE-5A(粉红色棍状)肽进行比对。方框中的残基表示甘氨酸5突变为丙氨酸。经参考文献31许可转载。 请点击此处查看该图的放大版本。

TCRCDR1αCDR2αCDR3αCDR1βCDR2βCDR3β
PMEL17DSAIYNIQSSQRECAVLSSGGSNYKLTFGSGHTAFQGTGACASSFIGGTDTQYFG
gp100TSINNIRSNERECATDGDTPLVFGLNHDASQIVNDCASSIGGPYEQYFG
MPDKALYSLLKGGEQCGTETNTGNQFYFGSGHDYFNNNVPCASSLGRYNEQFFG
296DSASNYIRSNVGECAASTSGGTSYGKLTFGMNHEYSMNVEVCASSLGSSYEQYFG

表1:PMEL17、gp100、MPD 和 296 gp100特异性TCR的TCR CDR3区比对。 重新发表已获参考文献31许可。

肽序列PMEL17 TCR TRAV21 TRBV7-3 亲和力 KDgp100 TCR TRAV17 TRBV19 亲和力 KD
YLEPGPVTAYLE7.6 ±2 μM26.5 ±2.3 μM
YLEPGPVTVYLE-9V6.3 ±1.2 μM21.9 ±2.4 μM
ALEPGPVTAYLE-1A15.9 ±4.1 μM60.6 ±5.4 μM
YLAPGPVTAYLE-3A无结合无结合
YLEAGPVTAYLE-4A19.7 ±1.3 μM144.1 ±7.8 μM
YLEPAPVTAYLE-5A>1 mM>1mM
YLEPGAVTAYLE-6A11.4 ±2.7 μM954.9 ±97.8 μM
YLEPGPATAYLE-7A31.1 ±4 μM102.0 ±9.2 μM
YLEPGPVAAYLE-8A38.1 ±7.4 μM121.0 ±7.5 μM

表2:PMEL17 TCR 和 gp100 TCR 与 gp100280-288 肽变体的亲和力分析(KD)。经参考文献31许可转载。

参数PMEL17 TCR-A2-YLE-9VA2-YLEA2-YLE-3AA2-YLE-5A
PDB 编号5EU65EU35EU45EU5
数据集统计
空间群P1P1 21 1P1P1 21 1
晶胞参数 (Å)a= 45.52, b= 54.41, c= 112.12, a=85.0°, b=81.6°, g=72.6°a= 52.81, b= 80.37, c= 56.06, b=112.8°a= 56.08, b= 57.63, c= 79.93, a=90.0°, b=89.8°, g=63.8°a= 56.33, b= 79.64, c= 57.74, b=116.2°
辐射源DIAMOND I03DIAMOND I03DIAMOND I02DIAMOND I02
波长 (Å)0.97630.99990.97630.9763
测量分辨率范围 (Å)51.87 – 2.0245.25 – 1.9743.39 – 2.1243.42 – 1.54
最外层分辨率区间 (Å)2.07 - 2.022.02 – 1.972.18 – 2.121.58 - 154
观测反射数128,191 (8,955)99,442 (7,056)99,386 (7,463)244,577 (17,745)
唯一反射数64,983 (4,785)30,103 (2,249)49,667 (3,636)67,308 (4,962)
数据完备性 (%)97.7 (96.7)98.5 (99.3)97.4 (96.7)99.6 (99.9)
多重性2.0 (1.9)3.3 (3.1)2.0 (2.1)3.6 (3.6)
I/Sigma(I)5.5 (1.9)7.2 (1.9)6.7 (2.3)13 (2.3)
Rpim (%)5.7 (39.8)8.8 (44.7)8.7 (41.6)4.5 (35.4)
Rmerge (%)7.8 (39.6)9.8 (50.2)8.7 (41.6)5.0 (53.2)
精修统计
分辨率 (Å)2.021.972.121.54
用于精修的反射数61688285574715363875
Rfree 数据集中的反射数3294152625143406
Rcryst (无截断) (%)18.119.717.217.0
Rfree22.225.521.120.1
理想几何结构的均方根偏差
键长 (Å)0.018 (0.019)*0.019 (0.019)*0.021 (0.019)*0.018 (0.019)*
键角 (°)1.964 (1.939)*1.961 (1.926)*2.067 (1.927)*1.914 (1.936)*
整体坐标误差 (Å)0.1220.1530.147.055
Ramachandran 统计
最适构象791 (96%)371 (98%)749 (99%)384 (98%)
允许区32 (4%)6 (2%)10 (1%)5 (1%)
异常值2 (0%)3 (1%)1 (0%)2 (0%)

表3: 数据还原与精修统计结果(分子置换法)。 重印自参考文献31,经许可。括号中的数值对应最高分辨率壳层。

HLA/肽残基TCR残基范德华接触数(≤4Å)氢键数(≤3.4Å)
Gly62αGly983
αSer991
Arg65αSer992
Arg65 OαAsn100 Nδ221
Arg65 NH1βAsp58 Oδ21
βSer598
Lys66αGly981
αSer994
αAsn1004
Ala69αAsn1002
βAla562
Gln72 Nε2βGln51 O31
βGly547
βAla551
Thr73βGln511
Val76βGln513
βGly522
Lys146βPhe973
βIle983
Ala150βIle981
βAsp1023
Val152βIle981
Glu154αTyr321
Gln155 NαTyr32 OH41
Gln155 Oε1βThr101 N101
Tyr1OHαGly97 O11
αGly981
αSer961
Glu3αTyr1011
Pro4αSer961
αSer991
αAsn1004
Pro4 OαTyr101N141
Gly5αTyr1013
βGly1002
Val7βIle987
βGly992
βGly1002
Thr8βThr315
βGln511
βPhe971
Thr8 NβIle98 O61

表4:PMEL17 TCR-A2-YLE-9V 相互作用表。 经参考文献31许可重印。

讨论

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

本文所述方案为在任何人类疾病背景下进行T细胞反应的分子与细胞层面解析提供了框架。尽管本研究主要聚焦于癌症,但我们已采用非常相似的方法来研究T细胞对病毒32,33,34,35,36,37以及自身免疫疾病38,39,40的反应。此外,我们还更广泛地应用这些技术来理解调控T细胞抗原识别的分子机制2,19,41,42。事实上,肽段残基修饰的不可预测性——即使这些残基位于TCR接触残基之外——对T细胞识别的影响,对于异源肽(heteroclitic peptides)的设计具有重要意义。这些发现已直接推动了新型T细胞疗法的发展,包括肽疫苗6,43和人工高亲和力TCR3,4,5,20,44,以及更优的诊断技术45,46,47

方案中的关键步骤
获得高纯度且具有功能活性的蛋白质对于本文所述所有方法均至关重要。

修改与故障排除
获得高纯度蛋白的困难通常与表达高纯度但不溶性包涵体(IBs)有关 E. coli 表达系统。通常,修改表达方案(例如, 在不同光密度下诱导,使用不同的 E. coli 菌株或使用不同培养基配方)可解决这些问题。

技术的局限性
这些技术使用的是通常在细胞表面表达的可溶性蛋白质分子(TCR 和 pHLA)。因此,重要的是要确保结构/生物物理研究结果与细胞水平的研究方法一致,以验证其生物学意义。

该技术相对于现有/替代方法的重要性
通过结合功能分析验证的X射线晶体学和生物物理学方法,我们及其他研究者已证明,特异性识别癌症表位的TCR通常具有较低的结合亲和力48。这种低TCR亲和力可能有助于解释为何T细胞在自然状态下无法有效清除癌细胞。抗肿瘤TCR与相应肿瘤抗原复合物的高分辨率原子结构研究正逐步揭示这种弱亲和力的分子基础。此外,这些研究有助于阐明旨在克服这一问题的治疗干预措施背后的机制,为未来的改进提供依据16。在本研究中,我们解析了天然存在的αβTCR与gp100 HLA-A*0201限制性黑色素瘤表位复合物的首个结构。该结构结合深入的生物物理分析,揭示了该相互作用的整体结合模式。我们还发现了一种意外的分子开关机制:在肽段的突变形式中,该机制阻断了TCR的结合(通过表面等离子共振检测)以及CD8+ T细胞的识别(通过功能实验验证)。只有借助本文所述的高分辨率方法,才能揭示这种HLA抗原呈递的新机制。

掌握该技术后的未来应用或研究方向
总体而言,我们的结果展示了X射线晶体学与生物物理方法在结合稳健的功能分析时的强大能力。利用这些方法,可以解析出调控T细胞抗原识别的精确分子机制。事实上,该方法也可用于解析未结合配体的TCR结构,从而揭示构象变化在抗原分辨过程中的作用49,50,51。对TCR-pHLA相互作用背后高度复杂且动态特性的更深入理解,显然对治疗策略的设计具有重要意义。能够直接"观察"治疗靶向的分子,以及修饰对抗原识别所产生的影响,将显著促进未来药物的开发。在本研究中,我们发现即使TCR并未显著接触的肽段单个残基发生改变,也可能不可预测地将结构变化传递至HLA结合肽段中的其他残基,从而剧烈改变T细胞的识别行为。在设计针对多种人类疾病的未来疗法时,对T细胞抗原识别过程中所涉及分子机制的更全面理解将带来巨大裨益。

披露

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

作者没有利益冲突或竞争性经济利益。

致谢

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

BM 获得英国癌症研究会博士生奖学金的支持。AG 获得威尔士生命科学研究网络博士生奖学金的支持。VB 获得威尔士癌症研究会博士生奖学金的支持。DKC 是惠康信托研究职业发展研究员(WT095767)。AKS 是惠康信托研究员。GHM 获得威尔士生命科学研究网络与Tenovus癌症护理联合资助的博士生奖学金。我们感谢钻石光源(Diamond Light Source)的工作人员提供的设施与支持。

材料

本文使用的材料清单
姓名公司目录编号评论
S.O.C. 培养基Invitrogen
Orbi-Safe New Orbit 培养箱Sanyo
carbenicillin Sigma
IPTG Fisher
Quick Coomassie Stain SafeStain Generon
Legend RT 离心机 Sorvall
Tris Fisher
氯化镁 Arcos
NaCl Fisher
甘油 Sigma-Aldrich
Sonopuls HD 2070 Bandelin
DNA酶 Fisher
TritonSigma-Aldrich
EDTA Fisher
胍 Fisher
NanoDrop ND1000 Thermo
多肽Peptide Protein Research
二硫苏糖醇 Sigma-Aldrich
L-精氨酸 SAFC
半胱胺 Fisher
胱胺 Fisher
透析袋 Sigma-Aldrich
尿素 Sigma-Aldrich
Metricel 0.45 μm 膜滤器Pall
POROS 10/100 HQ Applied biosystems
ÄKTA pure FPLC 系统 GE Healthcare Life Sciences
10 kDa MWCO Vivaspin 20 Sartorius
10 kDa MWCO Vivaspin 4 Sartorius
Superdex 200 10/300 GL 色谱柱 GE Healthcare Life Sciences
磷酸盐缓冲液 Oxoid
BIAcore 缓冲液 HBS GE Healthcare Life Sciences
生物素化试剂盒Avidity
BIAcore T200GE Healthcare Life Sciences
CM5 芯片偶联试剂盒GE Healthcare Life Sciences
链霉亲和素 Sigma-Aldrich
Microcal VP-ITC GE Healthcare Life Sciences
Hepes Sigma-Aldrich
Gryphon 结晶机器人Art Robbins Instruments
Intelli-plate Art Robbins Instruments
结晶筛选试剂盒及试剂Molecular Dimensions
75 cm2 培养瓶 Greiner Bio-One
0.22 μm 滤器Miller-GP, Millipore
Ultra-Clear 超速离心管 Beckman Coulter
Optima L-100 XP 配 SW28 转子Beckman Coulter
CD8 磁珠 Miltenyi Biotec
抗 CD3/CD28 Dynabeads Invitrogen
抗 PE 磁珠 Miltenyi Biotec
CK 培养基,PHAAlere Ltd
抗 TCRVβ 单克隆抗体 BD
达沙替尼 Axon
MIP-1β 和 TNFα ELISA R&D Systems
 51Cr PerkinElmer
1450 Microbeta 计数器PerkinElmer

参考文献

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Aleksic, M., Liddy, N., et al. Different affinity windows for virus and cancer-specific T-cell receptors: implications for therapeutic strategies. European journal of immunology. 42 (12), 3174-3179 (2012).
  2. Cole, D. K., Pumphrey, N. J., et al. Human TCR-binding affinity is governed by MHC class restriction. Journal of immunology (Baltimore, Md : 1950). 178 (9), 5727-5734 (2007).
  3. Cole, D. K., Sami, M., et al. Increased Peptide Contacts Govern High Affinity Binding of a Modified TCR Whilst Maintaining a Native pMHC Docking Mode. Frontiers in immunology. 4 (JUN), 168(2013).
  4. Raman, M. C. C., Rizkallah, P. J., et al. Direct molecular mimicry enables off-target cardiovascular toxicity by an enhanced affinity TCR designed for cancer immunotherapy. Scientific reports. 6, 18851(2016).
  5. Liddy, N., Bossi, G., et al. Monoclonal TCR-redirected tumor cell killing. Nature medicine. 18 (6), 980-987 (2012).
  6. Cole, D. K., Edwards, E. S. J., et al. Modification of MHC anchor residues generates heteroclitic peptides that alter TCR binding and T cell recognition. Journal of immunology (Baltimore, Md : 1950). 185 (4), 2600-2610 (2010).
  7. Parkhurst, M. R., Salgaller, M. L., et al. Improved induction of melanoma-reactive CTL with peptides from the melanoma antigen gp100 modified at HLA-A*0201-binding residues. Journal of immunology (Baltimore, Md : 1950). 157 (6), 2539-2548 (1996).
  8. Salgaller, M. L., Marincola, F. M., Cormier, J. N., Rosenberg, S. A. Immunization against epitopes in the human melanoma antigen gp100 following patient immunization with synthetic peptides. Cancer research. 56 (20), 4749-4757 (1996).
  9. Cameron, B. J., Gerry, A. B., et al. Identification of a Titin-derived HLA-A1-presented peptide as a cross-reactive target for engineered MAGE A3-directed T cells. Science translational medicine. 5 (197), 197ra103(2013).
  10. Linette, G. P., Stadtmauer, E. A., et al. Cardiovascular toxicity and titin cross-reactivity of affinity-enhanced T cells in myeloma and melanoma. Blood. 122 (6), 863-871 (2013).
  11. Miles, K. M., Miles, J. J., Madura, F., Sewell, A. K., Cole, D. K. Real time detection of peptide-MHC dissociation reveals that improvement of primary MHC-binding residues can have a minimal, or no, effect on stability. Molecular immunology. 48 (4), 728-732 (2011).
  12. Lesterhuis, W. J., Schreibelt, G., et al. Wild-type and modified gp100 peptide-pulsed dendritic cell vaccination of advanced melanoma patients can lead to long-term clinical responses independent of the peptide used. Cancer immunology, immunotherapy CII. 60 (2), 249-260 (2011).
  13. Speiser, D. E., Baumgaertner, P., et al. Unmodified self antigen triggers human CD8 T cells with stronger tumor reactivity than altered antigen. Proceedings of the National Academy of Sciences of the United States of America. 105 (10), 3849-3854 (2008).
  14. Schaft, N., Willemsen, R. A., et al. Peptide fine specificity of anti-glycoprotein 100 CTL is preserved following transfer of engineered TCR alpha beta genes into primary human T lymphocytes. Journal of immunology (Baltimore, Md : 1950). 170 (4), 2186-2194 (2003).
  15. Schaft, N., Coccoris, M., et al. An Altered gp100 Peptide Ligand with Decreased Binding by TCR and CD8α Dissects T Cell Cytotoxicity from Production of Cytokines and Activation of NFAT. Frontiers in immunology. 4 (SEP), 270(2013).
  16. Madura, F., Rizkallah, P. J., et al. Structural basis for ineffective T-cell responses to MHC anchor residue-improved "heteroclitic" peptides. European journal of immunology. 45 (2), 584-591 (2015).
  17. Boulter, J. M., Glick, M., et al. Stable, soluble T-cell receptor molecules for crystallization and therapeutics. Protein engineering. 16 (9), 707-711 (2003).
  18. Garboczi, D. N., Utz, U., et al. Assembly, specific binding, and crystallization of a human TCR-alphabeta with an antigenic Tax peptide from human T lymphotropic virus type 1 and the class I MHC molecule HLA-A2. Journal of immunology (Baltimore, Md : 1950). 157 (12), 5403-5410 (1996).
  19. Madura, F., Rizkallah, P. J., et al. T-cell receptor specificity maintained by altered thermodynamics. Journal of Biological Chemistry. 288 (26), 18766-18775 (2013).
  20. Cole, D. K., Rizkallah, P. J., et al. Computational design and crystal structure of an enhanced affinity mutant human CD8 alphaalpha coreceptor. Proteins: Structure, Function and Genetics. 67 (1), 65-74 (2007).
  21. Benvenuti, M., Mangani, S. Crystallization of soluble proteins in vapor diffusion for x-ray crystallography. Nature protocols. 2 (7), 1633-1651 (2007).
  22. Leslie, A. G. W., Powell, H. R., et al. Automation of the collection and processing of X-ray diffraction data - a generic approach. Acta Crystallographica Section D Biological Crystallography. 58 (11), 1924-1928 (2002).
  23. Kabsch, W. Xds. Acta Crystallographica Section D: Biological Crystallography. 66 (2), 125-132 (2010).
  24. Evans, P. R., Murshudov, G. N. How good are my data and what is the resolution? Acta Crystallographica Section D: Biological Crystallography. 69 (7), 1204-1214 (2013).
  25. Bailey, S. N. Collaborative Computational Project, N. 4. The CCP4 suite: Programs for protein crystallography. Acta Crystallographica Section D: Biological Crystallography. 50 (5), 760-763 (1994).
  26. McCoy, A. J., Grosse-Kunstleve, R. W., Adams, P. D., Winn, M. D., Storoni, L. C., Read, R. J. Phaser crystallographic software. Journal of Applied Crystallography. 40 (4), 658-674 (2007).
  27. Emsley, P., Cowtan, K. Coot: Model-building tools for molecular graphics. Acta Crystallographica Section D: Biological Crystallography. 60 (12 I), 2126-2132 (2004).
  28. Murshudov, G. N., Vagin, A. A., Dodson, E. J. Refinement of macromolecular structures by the maximum-likelihood method. Acta Crystallographica Section D: Biological Crystallography. 53 (3), 240-255 (1997).
  29. DeLano, W. L. The PyMOL Molecular Graphics System. Schrödinger LLC. 1, Available from: http://www.pymol.org (2000).
  30. Rudolph, M. G., Stanfield, R. L., Wilson, I. A. How Tcrs Bind Mhcs, Peptides, and Coreceptors. Annual Review of Immunology. 24 (1), 419-466 (2006).
  31. Bianchi, V., Bulek, A., et al. A Molecular Switch Abrogates Glycoprotein 100 (gp100) T-cell Receptor (TCR) Targeting of a Human Melanoma Antigen. Journal of Biological Chemistry. 291 (17), 8951-8959 (2016).
  32. Matthews, P. C., Koyanagi, M., et al. Differential clade-specific HLA-B*3501 association with HIV-1 disease outcome is linked to immunogenicity of a single Gag epitope. Journal of virology. 86 (23), 12643-12654 (2012).
  33. Gostick, E., Cole, D. K., et al. Functional and biophysical characterization of an HLA-A* 6801-restricted HIV-specific T cell receptor. European Journal of Immunology. 37 (2), 479-486 (2007).
  34. Miles, J. J., Bulek, A. M., et al. Genetic and structural basis for selection of a ubiquitous T cell receptor deployed in Epstein-Barr virus infection. PLoS Pathogens. 6 (11), e1001198(2010).
  35. Holland, C. J., Rizkallah, P. J., et al. Minimal conformational plasticity enables TCR cross-reactivity to different MHC class II heterodimers. Scientific reports. 2, 629(2012).
  36. Kløverpris, H. N., Cole, D. K., et al. A molecular switch in immunodominant HIV-1-specific CD8 T-cell epitopes shapes differential HLA-restricted escape. Retrovirology. 12, 20(2015).
  37. Motozono, C., Kuse, N., et al. Molecular Basis of a Dominant T Cell Response to an HIV Reverse Transcriptase 8-mer Epitope Presented by the Protective Allele HLA-B*51:01. Journal of immunology (Baltimore, Md : 1950). 192 (7), 3428-3434 (2014).
  38. Motozono, C., Pearson, J. A., et al. Distortion of the major histocompatibility complex class i binding groove to accommodate an insulin-derived 10-mer peptide. Journal of Biological Chemistry. 290 (31), 18924-18933 (2015).
  39. Cole, D. K., Bulek, A. M., et al. Hotspot autoimmune T cell receptor binding underlies pathogen and insulin peptide cross-reactivity. The Journal of clinical investigation. , (2016).
  40. Bulek, A. M., Cole, D. K., et al. Structural basis for the killing of human beta cells by CD8(+) T cells in type 1 diabetes. Nature immunology. 13 (3), 283-289 (2012).
  41. Ekeruche-Makinde, J., Clement, M., et al. T-cell receptor-optimized peptide skewing of the T-cell repertoire can enhance antigen targeting. Journal of Biological Chemistry. 287 (44), 37269-37281 (2012).
  42. Cole, D. K., Miles, K. M., et al. T-cell Receptor (TCR)-peptide specificity overrides affinity-enhancing TCR-major histocompatibility complex interactions. Journal of Biological Chemistry. 289 (2), 628-638 (2014).
  43. Cole, D. K., Gallagher, K., et al. Modification of the carboxy-terminal flanking region of a universal influenza epitope alters CD4+ T-cell repertoire selection. Nature communications. 3, 665(2012).
  44. Varela-Rohena, A., Molloy, P. E., et al. Control of HIV-1 immune escape by CD8 T cells expressing enhanced T-cell receptor. Nature medicine. 14 (12), 1390-1395 (2008).
  45. Holland, C. J., Dolton, G., et al. Enhanced Detection of Antigen-Specific CD4+ T Cells Using Altered Peptide Flanking Residue Peptide-MHC Class II Multimers. The Journal of Immunology. 195 (12), 5827-5836 (2015).
  46. Wooldridge, L., Clement, M., et al. MHC class I molecules with Superenhanced CD8 binding properties bypass the requirement for cognate TCR recognition and nonspecifically activate CTLs. Journal of immunology (Baltimore, Md: 1950). 184 (7), 3357-3366 (2010).
  47. Laugel, B., Den Berg, H. A. V. an, et al. Different T cell receptor affinity thresholds and CD8 coreceptor dependence govern cytotoxic T lymphocyte activation and tetramer binding properties. Journal of Biological Chemistry. 282 (33), 23799-23810 (2007).
  48. Bridgeman, J. S., Sewell, A. K., Miles, J. J., Price, D. A., Cole, D. K. Structural and biophysical determinants of αβ T-cell antigen recognition. Immunology. 135 (1), 9-18 (2012).
  49. Willcox, B. E., Gao, G. F., et al. TCR binding to peptide-MHC stabilizes a flexible recognition interface. Immunity. 10 (3), 357-365 (1999).
  50. Borbulevych, O. Y., Piepenbrink, K. H., Baker, B. M. Conformational melding permits a conserved binding geometry in TCR recognition of foreign and self molecular mimics. Journal of immunology (Baltimore, Md: 1950). 186 (5), 2950-2958 (2011).
  51. Armstrong, K. M., Piepenbrink, K. H., Baker, B. M. Conformational changes and flexibility in T-cell receptor recognition of peptide-MHC complexes. The Biochemical journal. 415 (2), 183-196 (2008).

重印与许可

申请许可以重复使用本 JoVE 文章的文本或图表

申请许可

标签

HLA

相关文章