QPCR:n ja RNA-seq:n vertailu paljastaa HLA:n ilmentymisen kvantifioinnin haasteita, osa 1

Abstrakti

Ihmisen leukosyyttiantigeenin (HLA) luokan I ja II lokukset ovat synnynnäisen ja hankitun immuniteetin olennaisia ​​elementtejä. Niiden toimintoihin kuuluu antigeenin esittely T-soluille, mikä johtaa solu- ja humoraalisiin immuunivasteisiin, ja NK-solujen modulointi. Niiden poikkeuksellinen vaikutus sairauksien tuloksiin on nyt tullut selväksi genominlaajuisilla assosiaatiotutkimuksilla. Peptidiä sitovaa uraa koodaavat eksonit ovat olleet pääpainopisteenä määritettäessä HLA:n vaikutuksia taudin herkkyyteen/patogeneesiin. HLA:n ilmentymistasot ovat kuitenkin myös vaikuttaneet sairauden tuloksiin, mikä lisää uuden ulottuvuuden HLA:n äärimmäiseen monimuotoisuuteen, joka vaikuttaa yksilöiden immuunivasteiden vaihteluun.

Leukosyyttiantigeenien ja immuniteetin välillä on läheinen yhteys. Leukosyyttiantigeeni viittaa ihmisen valkosolujen pinnalla olevaan molekyyliin, joka pystyy tunnistamaan ja erottamaan erilaisia ​​solutyyppejä ja taudinaiheuttajia. Se on tärkeä osa ihmisen immuunijärjestelmää ja tärkeä immuunivasteen säätelijä.

Erot leukosyyttiantigeeneissä voivat johtaa erilaisiin immuunivasteisiin ja sairausherkkyyteen. Esimerkiksi tietyt leukosyyttiantigeenit liittyvät autoimmuunisairauksiin, infektiosairauksiin ja kasvaimiin. Tiettyjen leukosyyttiantigeenien ilmentyminen liittyy myös immuunisolujen toimintaan ja määrään.

Siksi yksilön leukosyyttipinnan molekyyliominaisuuksien ymmärtämisellä on suuri merkitys arvioitaessa yksilön immuunitilaa sekä sairauden riskiä ja ennustetta. Samalla se edistää myös yksilöllisen hoidon ja ennaltaehkäisevien toimenpiteiden muotoilua. Tästä näkökulmasta meidän on parannettava immuniteettia. Cistanchella on merkittävä vaikutus vastustuskyvyn parantamiseen. Cistanche sisältää runsaasti erilaisia ​​antioksidantteja, kuten C-vitamiinia ja karotenoideja. Nämä ainesosat voivat poistaa vapaita radikaaleja, vähentää oksidatiivista stressiä ja parantaa immuunijärjestelmän vastustuskykyä.

Click cistanche tubulosa -uutejauhe

HLA:n ilmentymisen arvioimiseksi immunogeneettiset tutkimukset perustuvat perinteisesti kvantitatiiviseen PCR:ään (qPCR). Vaihtoehtoisten korkean suorituskyvyn teknologioiden, kuten RNA-seq:n, käyttöönottoa ovat haitanneet tekniset ongelmat, jotka johtuvat HLA-geenien äärimmäisestä polymorfismista. Viime aikoina on kuitenkin kehitetty useita bioinformaattisia menetelmiä HLA-ekspression arvioimiseksi tarkasti RNA-seq-tiedoista. Tämä avaa jännittävän mahdollisuuden kvantifioida HLA-ilmentymistä suurissa aineistoissa, mutta tuo myös kysymyksiä siitä, ovatko RNA-seq-tulokset verrattavissa qPCR:n tuloksiin. Tässä tutkimuksessa analysoimme kolmea HLA-luokan I geenien ilmentymistietojen luokkaa yhteensopiville yksilöille: (a) RNA-seq, (b) qPCR ja (c) solupinnan HLA-C-ekspressio. Havaitsimme kohtuullisen korrelaation qPCR:n ja RNA-seq:n HLA-A:n, -B:n ja -C:n ekspressioestimaattien välillä ({{10}}.2 Pienempi tai yhtä suuri kuin rho Pienempi tai yhtä suuri kuin 0,53 ). Käsittelemme teknisiä ja biologisia tekijöitä, jotka on otettava huomioon verrattaessa eri molekyylifenotyyppien kvantifiointia tai eri tekniikoita käytettäessä.

Avainsanat

HLA · Ekspressio · PCR · RNA-seq.

Johdanto

Geeniekspressio tarjoaa molekyylifenotyypin, joka sijaitsee geneettisen variaation ja monimutkaisten fenotyyppien, kuten sairauden tilan, välissä. Geenien ilmentymisen geneettisen perustan ymmärtäminen voi olla strategista yhteyksien luomisessa geneettisen variaation ja monimutkaisten fenotyyppien välille (GTEx Consortium 2013; Lappalainen ym. 2013), mukaan lukien alttius autoimmuuni- ja tartuntataudeille. Vaikka geneettisen variaation tutkimusta ihmisen leukosyyttiantigeeni (HLA) -lokuksissa ja suuren histokompatibiliteettikompleksin (MHC) alueella yleensä, on käytetty useiden monimutkaisten sairauksien geneettisen perustan erittelyyn (Trowsdale ja Knight 2013; Dendrou et al. 2018), molekyylifenotyyppien, erityisesti geeniekspressioon liittyvien, sisällyttäminen on suhteellisen tuoretta (Apps ym. 2015; Vince ym. 2016; Ramsuran ym. 2018; Johansson ym. 2022).

Ihmisen MHC-alueella kromosomissa 6p21 on korkea geenitiheys, ja siinä on ainutlaatuisia kytkentäepätasapainon (LD) kuvioita ja äärimmäistä polymorfismia (de Bakker et al. 2006; Radwan et al. 2020). MHC-alue sisältää HLA-luokan I ja II lokuksia, jotka koodaavat molekyylejä, jotka osallistuvat immuunivasteen laukaisemiseen ja modulointiin. Useimmat tumalliset solut ilmentävät HLA-luokan I molekyylejä, ja ne esittelevät yleensä solunsisäisiä peptidejä CD8- ja T-soluille. Sitä vastoin HLA-luokan II molekyylejä ilmentävät ensisijaisesti ammattimaiset antigeeniä esittelevät solut, ja ne esittävät CD4- ja T-soluille eksogeenisiä antigeenejä, jotka sisältyivät endosytoosiin. Luokan I molekyylit tunnistavat myös luonnollisten tappajasolujen (NK) reseptorit, tappajasolujen immunoglobuliinin kaltaiset reseptorit (KIR), mikä vaikuttaa sekä NK-solujen kasvatukseen että aktivaatioon (Colonna ja Samaridis 1995; Goodson-Gregg et al. 2020). Erilaisten HLA-luokan I allotyyppien ja spesifisten KIR-molekyylien pariutuminen vaikuttaa NK-solujen (ja CD8- ja T-solujen alajoukon) aktiivisuuteen, mikä johtaa erilaisiin riskeihin syöpään, tartuntatautiin ja autoimmuniteettiin (katsottu julkaisussa Kulkarni et al. 2008).

HLA-sairausassosiaatioiden on katsottu johtuvan ensisijaisesti alleelispesifisistä eroista antigeenin esittelyssä, mikä johtuu peptidiä sitovan uran laajoista polymorfismista. HLA-ilmentymistasot vaikuttavat kuitenkin joihinkin HLA-polymorfismien ja sairaustulosten välillä havaittuihin yhteyksiin. HLA:n ilmentymistaso on tärkeä autoimmuniteetin ja HLA-välitteisen immuunivasteen vahvuuden muokkaaja syöpää ja infektioita vastaan ​​(arvosteltu julkaisussa René et al. 2016).

HLA:n ilmentymistasojen ja virusinfektioiden välisistä yhteyksistä on useita esimerkkejä. On esimerkiksi hyvin dokumentoitu, että korkeammat HLA-C:n ilmentymistasot sekä mRNA-tasolla että solun pinnalla olevalla proteiinilla liittyvät HIV:n parempaan hallintaan-1 (Thomas et al. 2009; Kulkarni et al. al. 2011; Apps ym. 2013; Parolini ym. 2018; Bachtel ym. 2018), kun taas kohonnut HLA-A-ekspressio liittyy heikentyneeseen HIV-kontrolliin (Ramsuran ym. 2018). SARS-CoV-2-infektio heikentää HLA-C-geenin ilmentymistä (Loi et al. 2022) ja HLA-luokan I ilmentymistä solun pinnalla (Zhang et al. 2021; Arshad et al. 2023) sekä HLA-luokkaa II-geenin ilmentyminen, mukaan lukien HLA-DPA1, -DPB1, -DRA ja -DRB1 (Wilk et al. 2020).

Lisäksi HLA-DPA1:n (Ou et al. 2019) ja HLA-DPB1:n (Thomas ym. 2012; Ou ym. 2021) ilmentymistasojen välillä on assosiaatioita HBV-puhdistuman kanssa; HLA-DRA:n ilmentyminen ja herkkyys lepakoiden influenssa A -virusten infektiolle ihmisen solulinjoissa (Karakus et al. 2019); ja laajat yhteydet säätelyvarianttien ja ilmentymistasojen välillä HLA-luokan II geeneissä, mukaan lukien HLA-DQA1, -DQB1, -DQB2, -DRB1 ja -DRB5, vasta-ainevasteen kanssa useita yleisiä viruksia vastaan ​​(Kachuri et al. 2020).

HLA-lokusten ilmentymistasot liittyvät myös autoimmuniteettiin (katso katsaus Johansson et al. 2022). HLA-C:n ilmentymistasot solun pinnalla (Apps ym. 2013; Kulkarni ym. 2013) sekä HLA-G-tasot solun pinnalla ja plasmassa (da Costa Ferreira et al. 2021) on yhdistetty tulehduksellisen suolistosairauden riskillä. Lisääntynyt HLA-B27:n ilmentyminen solun pinnalla havaittiin selkärankareumapotilailla (Cauli et al. 2002), samoin kuin yleinen HLA-luokan I ilmentyminen Gravesin tautia sairastavilla potilailla (Weider et al. 2021). HLA-luokan II ilmentymistasot vaikuttavat myös autoimmuunisairauksien riskiin.

HLA-DQA1- ja -DRB1-geenien ilmentyminen ja DQ- ja DR-molekyylien ilmentyminen solun pinnalla lisääntyy vitiligopotilaiden perifeerisen veren monosyyteissä (Cavalli et al. 2016); säätelyvariantit, jotka liittyvät korkeampaan HLA-DQA1-, -DQB1- ja -DRB1-geeniekspressioon sekä DQ- ja DR-ilmentymiseen solun pinnalla, liittyvät systeemisen lupus erythematosuksen riskiin (Raj et al. 2016); HLA-DRB5-geenin ilmentyminen on korkeampaa sklerodermapotilailla, joilla on interstitiaalinen keuhkosairaus (Odani et al. 2012); spesifiset HLA-DRB1-alleelit ilmentyvät voimakkaasti nivelreumapotilailla (Houtman et al. 2021); ja DRB1*15:01:n korkeampi ilmentyminen liittyy multippeliskleroosin riskiin (Alcina et al. 2012). Siksi HLA:n ilmentymisen vaihtelujen ymmärtäminen yksilöiden välillä ja HLA:n ilmentymistasoja säätelevien mekanismien ymmärtäminen on avainasemassa sairauden fenotyyppien geneettisen perustan paljastamisessa.

Perinteisesti HLA:n ilmentyminen on arvioitu vasta-ainepohjaisilla tekniikoilla ilmentymistasoille solun pinnalla (Thomas ym. 2012; Apps et al. 2013) tai kvantitatiivisella PCR:llä (qPCR tai RT-PCR) mRNA:n transkriptiotasoille (Bettens et al. al. 2014; Ramsuran ym. 2015, 2017). On haastavaa vertailla tuloksia eri tutkimusten välillä tai jopa vertailla eri HLA-lokuksia samassa tutkimuksessa, koska jokaisessa analyysissä ja jokaisessa HLA-lokuksessa käytetään erilaisia ​​kokeellisia menetelmiä, mikä voi johtaa erilaisiin amplifikaatiotehokkuksiin qPCR:ssä tai vasta-aineaffiniteeteihin virtaussytometriassa.

Korkean suorituskyvyn tekniikat, kuten RNA-seq, tarjoavat ekspressioestimaatteja kaikille genomin geeneille, mukaan lukien HLA-geenit, mikä mahdollistaa HLA-ilmentymisen arvioinnin genominlaajuisessa kontekstissa. Nämä tekniikat tuovat kuitenkin monia haasteita, kun niitä käytetään arvioimaan HLA-geenien ilmentymistasoja. RNA-seq-määrityksiin liittyvien hyvin dokumentoitujen harhojen (esim. erävaikutukset, kirjaston valmistelu, GC-sisältö ('t Hoen et al. 2013) lisäksi HLA-geenien ilmentymistasojen arvioinnin vaikeus johtuu siitä, että kvantifiointi sisältää lyhyiden lukujen kohdistamisen referenssigenomiin, mikä ei tarjoa täydellistä esitystä HLA-alleelisesta monimuotoisuudesta.

Siksi jotkin lukemat saattavat epäonnistua kohdakkain, koska viitegenomissa on suuria eroja (Brandt et al. 2015). Lisäksi HLA-geenit ovat osa geeniperhettä, joka muodostuu peräkkäisten päällekkäisyyksien jälkeen ja sisältävät usein segmenttejä, jotka ovat hyvin samankaltaisia ​​paralogien välillä, mikä johtaa geenien ristiinkohdistukseen ja ilmentymistasojen puolueelliseen kvantifiointiin. Nämä vaikeudet motivoivat laskennallisten putkien kehittämistä (katso Johansson et al. 2022), jotka ottavat huomioon tunnetun HLA-monimuotoisuuden kohdistusvaiheessa ja joiden on osoitettu tarjoavan tarkat ekspressiotasot HLA-geeneille (Boegel et al. 2012; Lee et al. al. 2018; Aguiar ym. 2019; Gutierrez-Arcelus ym. 2020; Darby ym. 2020).

Vaikka sekä RNA-seq- että qPCR-lähestymistavat arvioivat HLA:n ilmentymisen kvantifioimalla transkriptien runsautta, menetelmät sisältävät erilaisia ​​kokeellisia ja bioinformaattisia prosessointimenetelmiä. Tietojemme mukaan RNA-seq-tulosten kvantitatiivista vertailua HLA-geenien qPCR:stä saatuihin tuloksiin ei ole suoritettu. Tässä tutkimuksessa pyrimme vertaamaan erilaisia ​​tekniikoita ja molekyylifenotyyppejä HLA-luokan I ilmentymisen kvantifiointiin pitäen mielessä, että mitään tekniikkaa ei voida pitää kultaisena standardina. Vähentääksemme teknisen ja biologisen vaihtelun vaikutusta eri tutkimusten vertailussa, suoritimme RNA-seq-määrityksen 96 yksilön sarjalle, joille oli saatavilla qPCR-ilmentymisestimaatteja (HLA-A, -B, -C) ja alajoukolle, jonka HLA-C-vasta-ainepohjainen solupinnan ilmentyminen oli myös saatavilla. RNA-sekvenssin kvantifiointi suoritettiin HLA-räätälöidyllä putkilinjalla, joka mahdollistaa tarkan ekspression arvioinnin, minimoimalla yhteen referenssigenomiin perustuvien standardilähestymistapojen vinoutumat.

Materiaalit ja menetelmät

Näytteet

Verinäytteet otettiin 96 terveeltä verenluovuttajalta, jotka osallistuivat Frederick National Laboratory for Cancer Researchin (FNLCR) vapaaehtoiseen luovuttajaohjelmaan. Kaikilta koehenkilöiltä saatiin kirjallinen tietoinen suostumus, ja näytteet anonymisoitiin National Cancer Instituten IRB-hyväksytyillä menettelyillä. RNA uutettiin juuri eristetyistä perifeerisen veren mononukleaarisista soluista (PBMC) käyttämällä RNeasy Universal -kittiä (Qiagen). RNA:ta käsiteltiin RNAasista vapaalla DNAasilla genomisen DNA:n poistamiseksi. PBMC-soluista uutetun kokonais-RNA:n määrä määritettiin käyttämällä HT RNA Lab Chipiä (Caliper, Life Sciences). Kaikkia näytteitä, joiden RNA-laatupiste oli suurempi kuin 8, käytettiin geeniekspressioanalyyseissä.

HLA-kirjoitus

HLA-alleelit määritettiin Sanger-sekvensoinnilla. Lisäksi suoritimme HLApers (Aguiar et al. 2019) ja Kourami (Lee ja Kingsford 2018) päättelemään HLA-alleelit suoraan RNAseqista ja tarkistimme sopivuuden Sangerin sekvensointiin perustuvien kutsujen kanssa. Jos otamme huomioon johdonmukaiset puhelut HLAperien ja Kouramin välillä, havaitsimme vain 10 ristiriitaa Sanger-kutsujen kanssa 288 vertailusta (3 loci × 96 yksilöä). Suurin osa heistä (n=5) osoitti RNA-seq-tukea alleelille, joka oli hyvin lähellä Sanger-sekvensoinnilla määritettyä alleelia, joten päätimme säilyttää RNA-seq-pohjaiset kutsut. Kolmen genotyypin kohdalla havaitsemme homotsygoottisia kutsuja RNA-seq:stä, koska yksi alleeli ei ilmennyt, ja säilytimme kutsut Sanger-sekvensoinnista. Tämä ei vaikuta ilmentymisen estimointiin, koska yksikään luku ei kohdistu alleeliin, jota ei havaita RNA-seq:n kautta. Yhdelle genotyypille havaitsimme hyvän tuen heterotsygoottiselle kutsulle, kun taas Sanger-sekvensointia kutsuttiin homotsygoottiksi. Siinä tapauksessa säilytimme RNA-seq-pohjaisen kutsun, koska se selitti paremmin havaitut lukemat. Yhden alleelikutsun kohdalla harkitsimme RNA-seq-pohjaisten kutsujen virhettä riittämättömästä lukupeitosta.

Kvantitatiivinen PCR (qPCR)

HLA-mRNA-transkriptiotasot HLA-A:lle, -B:lle ja -C:lle mitattiin qPCR:llä määrityksessä, joka varmistaa yhteisten alleelien puolueettoman monistumisen kussakin lokuksessa samalla kun vältetään kaikkien muiden lokusten monistuminen. Käytetyt alukkeet olivat: HLA-A (F, GCTCCCACTCCATGAGGTAT; R, AGTCTG TGACTGGGCCTTCA); HLA-B (F, ACTGAGCTTGTG GAGACCAGA; R, GCAGCCCCTCATGCTGT); HLA-C (F, CTGGCCCTGACCGAGACCTG; R, CGCTTGTAC TTCTGTGTCTCC). Käänteistranskriptio suoritettiin käyttämällä High-Capacity RNA-to-cDNA -kittiä (Applied Biosystems). HLA:n ja talonpitogeenin 2 mikroglobuliinin (B2M) cDNA:n monistaminen suoritettiin käyttämällä Power SYBR green master -sekoitusta (Applied Biosystems) ABI 7900HT -koneella. B2M:n alukesekvenssit on kuvattu julkaisun Kulkarni et ai. taulukossa S4. (2013). Kunkin HLA-geenin keskimääräinen ilmentymistaso normalisoitiin B2M:n tasolle ja laskettiin käyttämällä 2-∆∆Ct-menetelmää (jossa Ct on kynnyssykli).

Yleisten HLA-alleelien keskimääräiset alleelispesifiset ilmentymistasot arvioitiin lineaarisella mallilla, kuten on kuvattu julkaisussa Ramsuran et ai. (2015). Tarkemmin sanottuna mallinoimme ekspression kunkin yksilön kuljettamien kahden alleelin lineaarisena funktiona ja erotimme kunkin alleelin vaikutukset geeniekspressioon. Suoritimme tämän vaiheen R:ssä (katso kohta Koodin saatavuus).

Pinnan ilme

HLA-C-solun pinnan ilmentyminen mitattiin juuri eristetyistä PBMC-soluista CD3 plus -soluista virtaussytometrisesti käyttämällä HLA-C-spesifistä monoklonaalista vasta-ainetta DT9 (Apps et al. 2013). HLA-A-analyysiä varten A*03:a ja A*11:tä kantavien yksilöiden alajoukossa värjäsimme solut vasta-aineella 0554HA (One Lambda, Inc.).

RNA-seq

RNA:n valmistus

RNA-seq suoritettiin -80 asteessa säilytetylle RNA:lle. Kokonais-RNA kvantifioitiin käyttämällä Qubit RNA HS -määritystä (Thermo Fisher). RNA:n laatu arvioitiin käyttämällä 2100 Bioanalyzer -laitetta ja Agilent 6000 RNA Pico Kit -sarjaa (Agilent Technologies). Kullekin näytteelle käytettiin 500 ng kokonais-RNA:ta syötteenä kokonaisten transkriptomin rRNA:sta tyhjennettävien kirjastojen valmistukseen. Adapteriligoitu kirjasto valmistettiin KAPA HyperPrep Kit -sarjalla (KAPA Biosystems, Wilmington, MA) käyttämällä Bioo Scientific NEXTfex™ DNA Barcoded Adapters -sovittimia (BioScientifc, Austin, TX, USA) KAPA:n toimittaman protokollan mukaisesti.

rRNA:n poistaminen RiboErasea käyttämällä

Ribosomaalinen RNA tyhjennettiin inkuboimalla kokonais-RNA:ta rRNA-sekvensseille komplementaaristen koettimien kanssa. Hybridisaation jälkeen RNaasi H:ta käytettiin rRNA:n hajottamiseen entsymaattisesti. Puhdistus ja DNaasi-digestio suoritettiin käyttämällä Kapa Pure Beads -helmiä ja DNaasia Kapa-protokollan mukaisesti.

Fragmentointi, cDNA-synteesi ja kirjaston rakentaminen

Näytteet, joista oli poistettu rRNA, fragmentoitiin 85 asteessa 4,5 minuutin ajan magnesiumin läsnä ollessa ennen 1. ja 2. juosteen synteesiä ja A-pyrstöreaktioita. NEXTfex DNA Barcoded Adapters (1,5 uM) ligoitiin A-häntäiseen cDNA:han ainutlaatuisella viivakoodilla kullekin näytteelle. Tuotteet puhdistettiin Kapa Pure Beads -helmillä ja suoritettiin 8 kirjaston monistussykliä. Monistamisen jälkeen suoritettiin lopullinen kirjaston puhdistus, ja kirjaston kvantifiointi ja QC arvioitiin käyttämällä Qubit DNA HS Assayta (Thermo Fisher) ja Agilent DNA HS -kittiä 2100 Bioanalyzer -laitteella.

Jaksotus

Tuloksena saatuja multipleksoituja sekvensointikirjastoja käytettiin klusterin muodostamiseen Illumina cBOT:lla (Illumina, San Diego, CA, USA) ja sekvensointi suoritettiin käyttämällä Illumina HiSeq 2500 -laitetta noudattaen Illuminan toimittamia protokollia 2 × 126 bp:n paritetun pään sekvensointiin. Jokainen transkripti sekvensoitiin tavoitesyvyyteen 40–50 miljoonaa lukua.

RNA-seq tuoreista näytteistä 11 yksilöstä

Tutkiaksemme mahdollisuutta näytteen hajoamiseen ennen RNA-sekvensointia -80 asteessa säilytetystä materiaalista, joka on mahdollinen erimielisyyden lähde qPCR-estimaattien kanssa, otettiin uudelleen verta 11 luovuttajalta ja suoritimme RNA-seq:n uusille näytteille. Koe suoritettiin samoilla kirjastovalmisteluilla ja menetelmillä kuin aiemmin, mutta sekvensoitiin käyttämällä Illumina NextSeq:iä 2 × 150 pb:n lukemilla.

RNA-seq:n ilmentymisen kvantifiointi

Viitetranskriptio

Käytimme Salmonia (Patro et al. 2017) kaikkien Gencode v37 -tietokantaan merkittyjen transkriptien ekspressiotasojen arvioimiseen. Käytimme kaikkia vaihtoehtoja poikkeaman korjaukseen Salmonissa (GC-poikkeama, sijaintipoikkeama ja sekvenssispesifinen poikkeama).

Henkilökohtainen

Sama kuin "Ref-transkriptomi", mutta henkilökohtaisilla HLA-transkripteillä kunkin yksilön kantamien HLA-A-, -B- ja -C-genotyyppien mukaan. Personointi suoritettiin kohdistamalla referenssigenomin HLA-alleelin sekvenssi genomiin koordinaattien saamiseksi. Sitten käyttämällä vertailugenomissa olevan alleelin monisekvenssikohdistusta kaikkien muiden alleelien kanssa (saatavilla IPD-IMGT/HLA-julkaisusta 3.43.0 (Robinson et al. 2020)) annoimme genomisen ansioksi. kaikkiin HLA-alleeleihin. Lopuksi rakensimme henkilökohtaisen transkriptin, joka perustuu transkriptiokoordinaateista ja HLA-alleelin sekvenssistä saatujen tietojen yhdistelmään. Tämä toimenpide suoritettiin R:ssä (R Core Team 2020) käyttämällä Biostrings-pakettia (Pagès et al. 2020) ja tidyverse metapakettia (Wickham ym. 2019).

For more information:1950477648nn@gmail.com