Compresores de datos como estimadores de diversidad en repertorios de células T

• Autores: Tarantino, Patricio
• Año de publicación: 2019
• Idioma: español castellano
• Tipo de recurso: tesis de grado
• Colaborador/a o director/a de tesis: Lanzarotti, Esteban Omar
• Materia: RECEPTORES DE CELULAS T; SISTEMA INMUNE; DIVERSIDAD; COMPRESORES DE DATOS; BLOSUM; T-CELL REPERTOIRE DIVERSITY; IMMUNE SYSTEM; DIVERSITY; DATA COMPRESSION; BLOSUM
• Institución: Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales

La diversidad de receptores de células T presentes en el cuerpo humano es una forma de saber la eficiencia del mismo, ya que nos permite saber a cuántos antígenos distintos es capaz de reconocer. Sin embargo, su medición es difícil pues no todos se presentan en muestras sanguíneas, y más aún, aunque tengamos a los receptores de células T, no es fácil saber qué antígeno reconocerán. Pero sí podemos suponer que receptores de células T con secuencias similares reaccionarían frente a las mismas moléculas externas. Proponemos entonces un modelo basado en los compresores de datos, que son capaces de reconocer patrones en cadenas de texto (cadenas de aminoácidos), que intentar´an, dado un conjunto de receptores de células T, estimar su diversidad basado en su composición estructural (sus secuencias de aminoácidos), y a su vez, a cuántos antígenos distintos reconocen. Mejoraremos luego dicho modelo, que llamaremos CompreScore, agregando la noci´on de similitud entre aminoácidos provista por las matrices BLOSUM, que proveer más información a los compresores a la hora de encontrar patrones y obtener información. Por último, probaremos nuestro modelo CompreScore frente a pacientes, y veremos que genera una nueva métrica de diversidad, independiente de las ya conocidas como Shannon o Simpson, y más aún, es también capaz de brindar información en otras dimensiones del paciente, como es su rango etario. Palabras claves: receptores de células T, sistema inmune, diversidad, compresores de datos, BLOSUM.
T-cell repertoire diversity in the human body is a proper way to know how efficient it is, since it allows us to know how many antigens it is able to identify. However, measuring this diversity is not an easy task since not all T-cells are present on blood samples, and even wrose, even if we could access all available T-cells, it is not possible to know to which antigen they will react to. But we can assume that T-cell receptors with similar structure will match against the same molecules. We propose, then, a new model based on data compression, which is able to recognize patterns in data strings (amino acids chains). Our model will try, given a set of T-cell receptors, estimate its diversity based on their structural composition, and, at the same time, how many different antigen they can recognize. We will then improve this model, that we will call CompreScore, adding the notion of similarity between amino acids, given by BLOSUM matrix, which will provide our compressors with more useful information to find patterns. At last, we will try CompreScore against patients’ blood samples, and we will see it generates a new diversity metric, independent from the ones we already know such as Shannon and Simpson, Furthermore, our model is also able to give new information from other dimension, such as the patients’ age range based on its T-cell diversity.
Fil: Tarantino, Patricio. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina.