Article Original

IGoR : un outil pour apprendre et simuler la génération aléatoire de récepteurs d'antigènes

IGoR: a tool for learning and simulating the random generation of antigen receptors

Laboratoire de physique statistique, École Normale Supérieure, CNRS, UPMC et UPD, 24 rue Lhomond, 75005 Paris, France

^* Auteur correspondant : Cette adresse e-mail est protégée contre les robots spammeurs. Vous devez activer le JavaScript pour la visualiser.

Reçu : 2 Décembre 2017

Résumé

Les récepteurs d'antigènes, qui sont à la base du système immunitaire adaptatif, sont créés de manière stochastique par un processus d'édition de l'ADN appelé recombinaison V(D)J. Alors que le séquençage à haut débit permet maintenant d'étudier le répertoire de ces récepteurs, il devient possible d'apprendre les lois probabilistes de ce processus aléatoire, et de les utiliser afin d'analyser des récepteurs particuliers, d'engendrer des répertoires synthétiques à des fins de contrôle, ou bien d'aider à l'identification de récepteurs spécifiques de certaines maladies, avec des applications possibles pour le diagnostic médical. Cet article décrit comment ceci peut être réalisé à l'aide du logiciel IGoR, qui apprend des modèles statistiques à partir des données de séquençage, et permet d'annoter des séquences existantes ou bien d'en engendrer de nouvelles, synthétiques, en suivant les lois du processus de recombinaison.

Abstract

Antigen receptors, which form the base of the adaptive immune system, are created stochastically by a DNA editing process called V(D)J recombination. As high-throughput sequencing enables to study the repertoire of these receptors, it is now possible to learn the probabilistic laws of this random process, and to use them to analyse receptors of interest, generate synthetic repertoires to create controls, or aid the identification of receptors that are specific to diseases, with possible applications for medical diagnostics. This article describes how these tasks can be performed using the IGoR software, which can learn statistical models from data, annotate existing sequences, or generate new synthetic ones with the same laws as the recombination process.