Pochopenie výberu buniek B v pamäti

Pre viac informácií:ali.ma@wecistanche.com

ABSTRAKT

Adaptívny imunitný systém cicavcov sa v priebehu miliónov rokov vyvíjal, aby sa stal neuveriteľne účinnou obranou proti cudzím antigénom. Humorálna odpoveď adaptívneho imunitného systému vytvára plazmatické B bunky apamäť Bbunkyz ktorých každý má svoje vlastné imunologické ciele. Proces afinitného dozrievania je široko vnímaný ako heuristika na vyriešenie problému globálnej optimalizácie hľadania B buniek s vysokou afinitou k antigénu. všakpamäť Bbunkysa zdajú byť zámerne vybrané skôr v procese afinitného dozrievania a majú nižšiu afinitu. Navrhujeme, aby totopamäťová B bunkaselekčný proces môže byť približným riešením dvoch optimalizačných problémov: optimalizácia na afinitu k podobným antigénom v budúcnosti napriek mutáciám alebo iným menším rozdielom a optimalizácia na teplý štart tvorby plazmatických B buniek v budúcnosti. Na poskytnutie dôkazov pre naše hypotézy používame simulácie, pričom berieme do úvahy údaje, ktoré ukazujú, že určité mutácie B buniek sú pravdepodobnejšie ako iné. Naše zistenia sú v súlade s pamäťovými B bunkami, ktoré majú vysokú afinitu k mutovaným antigénom, ale neposkytujú o tom silný dôkazpamäťové B bunkybudú užitočnejšie ako vybrané naivné B bunky na nasadenie sekundárnych germinálnych centier.

Kliknite na Cistanche NZ pre pamäť

1. Úvod

Imunitný systém je účinný systém na zmierňovanie hrozieb, ktorý využíva niekoľko naučených identifikačných algoritmov. Zatiaľ čo vrodený imunitný systém je zbehlý v identifikácii cudzích útočníkov alebo antigénov, musí zapojiť adaptívny imunitný systém, aby vytvoril masívnejšiu a špecifickejšiu odpoveď. Základným aspektom humorálnej odpovede adaptívneho imunitného systému je trénovanie dvoch typov B buniek prostredníctvom procesu nazývaného afinitné zrenie (AM): plazmatické B bunky, ktoré vytvárajú protilátky na identifikáciu aktuálneho antigénu apamäťové B bunkyktoré sa používajú v následných imunitných odpovediach na identifikáciu podobných antigénov v budúcnosti. Proces AM je veľmi neobvyklý v tom, že špecifická oblasť DNA v zúčastnených B bunkách je mutovaná, aby sa generovali potomkovia, ktorí sú vybraní tak, aby mali vyššiu afinitu k príslušnému antigénu. Zachovanie sekvencií DNA je vo väčšine buniek zvyčajne nanajvýš dôležité, ale oblasť genómu, ktorá definuje tvar receptora B bunky, musí byť rýchlo modifikovaná, aby mal receptor B bunky šancu lepšie rozoznať antigén záujmu (Meyer-Hermann et al., 2012). Tieto mutácie sú zodpovedné za neuveriteľnú schopnosť B buniek rozpoznať prakticky akýkoľvek prítomný antigén, vďaka čomu je adaptívny imunitný systém cicavcov jedným z najefektívnejších systémov identifikácie učenia v prirodzenom svete.

Stephen Lindsly, Maya Gupta b, Cooper Stansbury, Indika Rajapakse

Katedra počítačovej medicíny a bioinformatiky, University of Michigan, Ann Arbor, Spojené štáty americké

b Google Research, Mountain View, CA, Spojené štáty americké

c Katedra matematiky, University of Michigan, Ann Arbor, Spojené štáty americké

V tomto článku uvažujeme, či plazmatické B bunky apamäťová B bunkageneračné procesy možno interpretovať ako snahu uspokojiť špecifické ciele, a ak áno, vieme tieto ciele presne uviesť? Štandardné nápady si požičiavame zo strojového učenia, kde je bežné najprv špecifikovať ideálny matematický objekt, ktorý sa má optimalizovať (ako je minimalizácia očakávanej chybovosti naučeného identifikačného systému), potom navrhnúť heuristické algoritmy, ktoré približne optimalizujú tento matematický cieľ. Podobne predpokladáme, že v dôsledku evolučných tlakov sa procesy AM správajú ako heuristika, ktorá sa približne optimalizuje pre idealizované imunologické ciele. Predpokladáme, aké by mohli byť tieto evolučne adaptívne imunologické ciele, potom porovnáme, ako dobre rôzne B bunky spĺňajú tieto ciele, keď čelia kontradiktórne mutovaným antigénom prostredníctvom simulácií. Tieto zistenia nás vedú k navrhnutiu nových hypotéz o implicitných cieľoch tréningu naivných B buniek imunitného systému, aby sa stalipamäťové B bunky.

Najprv v časti 2 preskúmame, ako sa získavajú a trénujú naivné B bunky, aby sa stali plazmatickými B bunkami, a matematicky prezentujeme hypotézu o cieľoch tohto školenia. V časti 3 uvažujeme o cieľoch matematickej optimalizácie záhadnejšieho tréningového procesu, ktorý vedie k vytvoreniupamäťové B bunky. Tréning plazmatických B buniek alebo tréning plazmatických B buniek definujeme ako proces generovania plazmatických B buniek z naivných B buniek počas AM. Podobne definujeme tréning alebo tréning pamäťových B buniekpamäťové B bunkyako proces generovania pamäťových B buniek z naivných B buniek počas AM. Naše hypotézy testujeme prostredníctvom simulácií v časti 4 a na záver diskusie o otvorených otázkach v časti 5.

2. Tréning plazmových B buniek

Preskúmame proces AM, ktorý trénuje naivné B bunky, aby sa stali plazmatickými B bunkami, a potom zvážime, aké matematické kritériá sa tréning plazmových B buniek mohol vyvinúť na optimalizáciu.

2.1. Afinitné dozrievanie plazmatických B buniek

AM začína náborom naivných B buniek s určitou počiatočnou afinitou k antigénu k sekundárnym lymfoidným orgánom. Tieto naivné B bunky spolu s T folikulárnymi pomocnými (TFH) bunkami a folikulárnymi dendritickými bunkami sa koncentrujú do dočasných štruktúr známych ako germinálne centrá (obr. 1A) (Meyer-Hermann et al., 2012; Tas et al., 2016). Germinálne centrá (GC) zabezpečujú, že tieto bunky sú v blízkosti, čím uľahčujú rýchlu mutáciu a vyhodnotenie sekvencií receptorov B buniek. Počas AM sú B bunky hodnotené TFH bunkami z hľadiska ich afinity k antigénu prostredníctvom dĺžky interakcie medzi nimi, na základe prezentácie antigénu B bunkami (Mesin et al., 2016; Murphy a Weaver, 2016). Ak je počiatočná afinita B bunky vysoká, dostane chemický signál od TFH bunky, aby sa presunula do oddelenej oblasti GC a proliferovala. Zatiaľ čo B bunka proliferuje, špecifická časť genómu nazývaná hypervariabilná oblasť je vystavená enzýmu, aktiváciou indukovanej cytidíndeamináze (AID) (Muramatsu et al., 2000; Bannard a Cyster, 2017). AID môže deaminovať cytozín a vytvárať uracil, nukleotid, ktorý sa normálne nenachádza v DNA. Operácia, ktorá opravuje tieto zmeny, je náchylná na chyby, čo vedie k mutáciám v sekvencii DNA (Martin et al., 2015).

Proces deaminácie a mutácií počas opravy sa označuje ako somatická hypermutácia (SHM). Po proliferácii sa B bunky vracajú do oblasti GC obsahujúcej TFH bunky a sú prehodnotené na svoju afinitu k antigénu. Tento iteračný proces proliferácie, mutácie a hodnotenia afinity pokračuje, kým B bunky nemajú dostatočne vysokú afinitu k antigénu. V tomto bode sa B bunky diferencujú na plazmatické B bunky a začnú produkovať protilátky, ktoré umožňujú imunitnému systému eradikovať antigén.

2.2. Afinitné dozrievanie ako algoritmus

Modelujeme AM v Algoritme 1, ktorý používame na simuláciu AM v našich experimentoch. Zjednodušili sme niekoľko známych alebo neistých problémov týkajúcich sa AM, ktoré sú podrobne uvedené v pododdiele 2.3.

Každá sekvencia naivného B bunkového receptora je generovaná náhodne kombinačnou zmesou jej V, D, J a C génových segmentov, ako aj prostredníctvom diverzity spojenia medzi týmito segmentmi (Sompayrac, 2019). Naivné B bunky pokrývajú najmenej 100 miliónov možností (Sompayrac, 2019). Naivné B bunky prijaté do germinálneho centra sú bunky, ktoré už majú nejakú sľubnú afinitu k antigénu a. SHM potom mutuje nukleotidy v oblasti sekvencie DNA s dĺžkou približne 100 párov báz (bp), čo prispieva k definícii štruktúry receptora B buniek (Martin et al., 2015). Mutácie v hypervariabilnej oblasti sú na škále 106-krát pravdepodobnejšie ako mutácie mimo tejto oblasti (Martin et al., 2015). Mutácie môžu byť zámeny, inzercie a delécie v kategorickom priestore modelovanom ako fA; T; C; G;£g100, kde £ znamená vymazanie. Treba poznamenať, že hoci je kombinačný priestor možných mutácií veľký, mnohé špecifické mutácie okamžite vedú k apoptóze. AM optimalizácia je paralelizovaná a distribuovaná cez G zárodočné centrá, ktoré možno algoritmicky považovať za G rôzne paralelné procesory. Modelujeme rôzne zárodočné centrá ako fungujúce nezávisle, hoci medzi nimi môže byť biochemická signalizácia. V praxi sa organizmus trénuje na viacero nezávislých antigénov súčasne, ale pre jednoduchosť berieme do úvahy jeden antigén naraz.

2.3. Známe zjednodušenia algoritmu 1

Poznamenávame, že Algoritmus 1 zjednodušuje niekoľko známych charakteristík AM. Veríme, že tieto zjednodušenia sú menšie a neovplyvňujú hlavné závery tejto práce.

Algoritmus modelujeme ako T diskrétne iterácie, ale v praxi je AM kontinuálny proces, ktorý je čiastočne časovo obmedzený z dôvodu rozpadu antigénu a vonkajších tlakov. Podľa našich vedomostí však neexistuje presné obmedzenie počtu delení, ktoré môžu nastať, ani presná časová os, ktorá musí byť počas AM dodržaná. Okrem toho existuje šanca, že imunitný systém nenájde riešenie dostatočne rýchlo, čo spôsobí smrť hostiteľa. Aj keď uznávame, že k tomu dochádza v prirodzenom systéme, nie je to predmetom našej simulácie. Preto používame pevný počet iterácií ako aproximáciu časových limitov, ktorým skutočný imunitný systém čelí. Okrem toho identifikujeme B bunky s najvyššou afinitou na konci našej simulácie ako plazmatické B bunky pre jednoduchosť, ale plazmatické B bunky nie sú vybrané súčasne na konci AM a nemusia mať absolútne najvyššiu afinitu.

Pred začiatkom SHM mohla počiatočná populácia B buniek prejsť neriadenou proliferáciou, čo znamená, že počiatočná náhodná vzorka môže byť lepšie modelovaná ako náhodné zhluky B buniek. Algoritmus 1 umožňuje zárodočným centrám rásť bez hraníc, hoci hodnotenie odumierania bude mať tendenciu obmedziť veľkosť populácie v zárodočných centrách. V praxi je veľkosť zárodočných centier tiež obmedzená fyzickými obmedzeniami objemu a obmedzeniami biochemických zdrojov. Používame konštantnú rýchlosť odumierania. ale existujú určité dôkazy, že pravdepodobnosť odumierania klesá so zvyšujúcou sa afinitou (Anderson a kol., 2009). Zahŕňame zjednodušenú verziu tohto správania tým, že posunieme pravdepodobnosti smrti B buniek v zárodočnom centre smerom k bunkám s nižšou afinitou.

T bunky merajú svoju afinitu v blízkosti B buniek, takže existuje len určitá pravdepodobnosť, že špecifická B bunka bude mať zmeranú svoju afinitu, a že pravdepodobnosť, že sa zmeria afinita B bunky, sa považuje za funkciu priestorovej organizácie (čo je nepriamo ovplyvnené afinitou) a priamou afinitou. Afinita a priestorová blízkosť konkrétnej B bunky ovplyvňuje jej pravdepodobnosť, že bude vybraná a indukovaná k proliferácii. Priestorovú organizáciu medzi TaH bunkami a B bunkami explicitne neuvažujeme. Sila proliferačného signálu je vo všeobecnosti úmerná afinite B-buniek, takže B-bunka s vysokou afinitou sa s väčšou pravdepodobnosťou mnohonásobne rozmnoží, kým sa vráti na ďalšiu iteráciu hodnotenia afinity (Mesin a kol., 2016; De Silva a Klein, 2015). Podobne ako pri zvýšenej pravdepodobnosti úmrtia pre B-bunky s nízkou afinitou, skresľujeme výber B-buniek na proliferáciu smerom k B-bunkám s vyššou afinitou.

Algoritmus 1 môže AM príliš zjednodušiť aj inými spôsobmi, o ktorých nevieme, alebo ktoré ešte nie sú známe.

2.4. Plazmatické B bunky sú vytvorené na optimalizáciu antigénovej afinity po obmedzenom čase

AM je proces, ktorý bol dlho koncipovaný ako imunitný systém fungujúci ako globálny optimalizačný algoritmus, ktorý sa snaží nájsť B bunku, ktorá najlepšie identifikuje daný antigén prostredníctvom SHM (Theodosopoulos a Theodosopoulos, 2002). To znamená, že AM funguje, ako keby to bola heuristika na vyriešenie, kde a je daný antigén, b je B bunka zo súboru B všetkých možných B buniek a s je afinitná funkcia, ktorá modeluje kvalitu zámkovej- a kľúčová fyzikálna a biochemická interakcia b a a. Všimnite si, že B je veľmi veľký kategorický priestor definovaný sekvenciou DNA s premenlivou dĺžkou, ktorá kóduje receptor B bunky.

Cieľ (1) však neuznáva skutočnosť, že plazmatická B bunka sa nemusí dokonale zhodovať s antigénom. V skutočnosti sa zdá, že existuje dostatočná afinita s, takže po dosiahnutí afinity s je B bunka indukovaná k diferenciácii na plazmatickú B bunku. Ďalej je imunitný systém pod časovým tlakom, aby produkoval také dostatočne vysokoafinitné plazmatické B bunky čo najrýchlejšie.

Therefore, we propose that a more realistic model of what the plasma B cell generation process is optimizing should also depend on the sufficient affinity t>0 a daná množina 多. počiatočných naivných B buniek v germinálnom centre. Aby sme zachytili časový tlak, modelujeme pravdepodobnostné mutácie B buniek v germinálnom centre pri každej diskrétnej časovej iterácii. Vzhľadom na naivnú B bunku b E, nech M(b)∈ je nová náhodná B bunka vytvorená jedinou náhodnou mutáciou b. Nech M*(b)= M(M(..(M(b))..)) označuje náhodnú B bunku vygenerovanú po Krandomových mutáciách b, takže náhodná B bunka M(b) môže byť ktorákoľvek z B buniek dosiahnuteľná pomocou Kmutácií M počiatočnej B bunky b, so zodpovedajúcimi pravdepodobnosťami závislými od súčtu pravdepodobnosti rôznych dráh mutácií, ktoré by mohli produkovať M* (b) počnúc od b.

Potom predpokladáme, že proces selekcie plazmatických B buniek je heuristika vyvinutá na minimalizáciu počtu mutácií K∈ potrebných tak, že v priemere K náhodných mutácií bude produkovať aspoň jednu B bunku v germinálnom centre s dostatočnou afinitou t k antigénu:

kde EI.] je štandardný očakávaný operátor (priemer) týkajúci sa možných výsledkov náhodnej premennej vážených ich pravdepodobnosťami. Tento cieľ je v súlade s naším algoritmom 1.

Je zrejmé, že imunitný systém nie je vnímavou entitou, ktorá explicitne formuluje kritériá(2) a následne identifikuje heuristiku na jej optimalizáciu. Skôr predpokladáme, že evolučné tlaky boli vybrané pre proces tvorby plazmatických B buniek, ktorý sa lepšie optimalizuje (2).

3. Tréning pamäťových B buniek

Podobne ako plazmatické B-bunky sa pamäťové B bunky vytvárajú v zárodočnom centre, existujú však kľúčové rozdiely vo vytváraní týchto dvoch typov buniek na dosiahnutie ich príslušných cieľov (Mesin a kol., 2016; Weisel a Shlomchik, 2017; Suan a kol. al, 2017). Najprv preskúmame, ako sa vytvárajú pamäťové B bunky, a potom zvážime, pre aké kritériá sú optimalizované, analogicky s našimi kritériami (2) pre plazmatické B bunky.

3.1.Pozadie pamäťových B buniek

Zatiaľ čo názov pamäťová B bunka môže vyvolať myšlienku, že pamäťová B bunka je dlhodobá kópia plazmatickej B bunky, pravda je komplikovanejšia. Pamäťové B bunky neprechádzajú celým procesom AM ako plazmatické B bunky. V skutočnosti sú pamäťové B bunky charakterizované ich relatívne nízkou afinitou v porovnaní s plazmatickými B bunkami a nízkym zaťažením SHM (počet mutácií získaných z SHM) (Suan et al, 2017). To znamená, že zatiaľ čo pamäťové B bunky majú spočiatku vysokú afinitu k antigénu v porovnaní s repertoárom naivných B buniek, nepodliehajú AM v rozsahu plazmatických B buniek a majú tendenciu mať nižšiu afinitu k súčasnému antigénu ako plazmatické B bunky.

Gén BACH2 hrá dôležitú úlohu vo vývoji pamäťových B buniek v germinálnom centre a pri ich prípadnej diferenciácii (Suan et al, 2017: Shinnakasu et al, 2016). BACH2 je nepriamo korelovaný s pomocou, ktorú B bunka dostáva od Te buniek, a výsledné slabé interakcie s T bunkami umožňujú, aby expresia BACH2 zostala vysoká. kriticky,

vzťah medzi expresiou BACH2 a Tp bunkami umožňuje určitú pomoc od T-buniek pre prežitie buniek v germinálnom centre, ale bráni prekurzoru B buniek vstúpiť do oblasti, kde by proliferoval a mutoval prostredníctvom SHM. To vedie k trom podskupinám B buniek v germinálnom centre: (1) vysokoafinitným B bunkám, ktoré sú selektované T bunkami, aby proliferovali a mutovali prostredníctvom SHM, a prípadne vedú k diferenciácii plazmatických B buniek, (2) stredná afinita B bunky (nízke v porovnaní s plazmatickými prekurzormi B buniek, vysoké v porovnaní s priemernými naivnými B bunkami), ktorých selekcia Tw bunkami je zmiernená BACH2, čo vedie k pamäťovým B bunkám, a (3) B bunkám s nízkou afinitou, ktoré dostávajú malú alebo žiadnu pomoc z Tw buniek, čo vedie k apoptóze (Mesin a kol., 2020; Taylor a kol., 2015).

Pamäťové B bunky sú podobné naivným B bunkám, pokiaľ ide o ich transkripčné profily, čo im umožňuje voľne cirkulovať v organizme a monitorovať budúce výskyty antigénov. Napriek týmto podobnostiam vykazujú nadmernú expresiu antiapoptotických génov, čo umožňuje pamäťovým B bunkám žiť mimoriadne dlhú dobu, a teda schopnosť rozpoznávať antigény v budúcnosti (Suan et al. 2017).

3.2. Na čo sú pamäťové B bunky optimalizované?

Ak by cieľom imunitného systému bolo zapamätanie si receptorov B lymfocytov s najvyššou afinitou k súčasnému antigénu a, mohli by sme očakávať, že repertoár pamäťových B lymfocytov bude takmer identický s repertoárom plazmatických B lymfocytov, ale nie je tomu tak. Dalo by sa alternatívne očakávať, že AM využije luxus času, ktorý má, kým bude potrebovať viac mutovať pamäťové B bunky, aby pamäťové B bunky mohli mať ešte vyššiu afinitu s(b, a) k antigénu ako plazmatické B bunky. , ďalšia optimalizácia (1). Zdá sa, že to tak tiež nie je. Zatiaľ čo obe tieto možnosti by mali byť biologicky uskutočniteľné, imunitný systém robí niečo radikálne odlišné na vytvorenie pamäťových B buniek: vyberá pamäťové B bunky skôr v AM ako plazmatické B bunky, a preto majú pamäťové B bunky v priemere nižšiu afinitu s(ba). než plazmatické B bunky.

Aby sme vysvetlili, prečo sú pamäťové B bunky tak slabo prispôsobené súčasnému antigénu a, navrhujeme dve hypotézy pre objektívnu funkciu, ktorú sa pamäťové B bunky môžu heuristicky snažiť optimalizovať. Naše dve hypotézy vyplývajú z dvojitej úlohy pamäťových B buniek (Dogan a kol., 2009; Weisel a Shlomchik, 2017). Po prvé, keď budúce inkarnácie antigénu zaútočia, pamäťové B bunky sa použijú tak, ako sú, na diferenciáciu na plazmatické B bunky a eradikáciu mutovaného antigénu. Po druhé, pamäťové B bunky sa používajú na teplý štart AM sekundárneho tréningu plazmatických B buniek. Nedávne dôkazy v skutočnosti ukazujú, že veľká časť plazmatických B lymfocytov v sekundárnej odpovedi sú pamäťové B lymfocyty z prvej reakcie a niektoré pamäťové B lymfocyty sa tiež používajú na nasadenie nových zárodočných centier na optimalizáciu sekundárnych plazmatických B lymfocytov ( Mesin a kol., 2020).

3.3. Tréning na afinitu k mutovanému antigénu

Navrhujeme, že kľúčovým problémom pre pamäťové B bunky je, že budúcim prípadom antigénu, ktorý musia zmierniť, je takmer určite mutácia pôvodného antigénu a. V čase vytvorenia pamäťových B buniek je budúci mutovaný antigén a neznámy, ale môžeme ho charakterizovať ako náhodne mutovaný antigén A. V tomto článku používame štandardný zápis pravdepodobnosti, že veľké písmeno označuje náhodnú premennú a jeho zodpovedajúce malé písmeno označuje realizáciu tejto náhodnej premennej. Napríklad, ak hodíte šesťhrannou kockou, náhodná hodnota Xe {1,2..6} sa vzťahuje na hod kockou predtým, ako sa na ňu pozriete, pretože v tom bode poznáte iba pravdepodobnosť jej šiestich hodnôt, ale raz vidíte hod kockou, je to deterministická hodnota xE {1,2....,6}.

Nech A je náhodný antigén získaný z nejakého podmieneného rozdelenia pravdepodobnosti PA~ja, ktorý závisí od aktuálneho antigénu a a modeluje pravdepodobnosť možných budúcich mutácií na a a pravdepodobnosť, že takáto mutácia bude prezentovaná hostiteľskému organizmu počas životnosti pamäťové B bunky vybrané počas imunitnej odpovede na a. Ak by bola pre sekundárnu odpoveď potrebná iba jedna pamäťová B bunka, logickým zovšeobecnením (1) by bolo vybrať pamäťovú B bunku, ktorá bude mať v priemere vysokú afinitu k náhodne zmutovanému antigénu A.

Ak sú všetky mutácie antigénu a rovnako pravdepodobné a skóre afinity s bolo peknou lineárnou funkciou, potom riešenie (3) môže byť rovnaké ako (1). Očakávame však, že existuje podstatná asymetria v pravdepodobnosti rôznych mutácií antigénu, takže očakávame, že riešenie (3) bude iné ako riešenie (1). Toto je rovnaký princíp ako v slávnom citáte Wayna Gretzkého o hokeji, korčuľujem tam, kde bude puk, nie tam, kde bol.

Obr. 2 ilustruje kritérium v ​​(4), ktoré ukazuje, že diverzita v pamäťových B bunkách pomáha pokryť priestor pravdepodobných mutácií pôvodného antigénu a. Kritérium (4) predpokladá pevný výber N, ale ak by ste mohli optimalizovať aj (4) pre N, potom by ste vždy uprednostnili väčší počet N pamäťových B buniek. Existuje však aj tlak smerom nadol na N kvôli fyzickým zdrojom potrebným na skladovanie a udržiavanie týchto buniek a časovému tlaku pred rozpadom antigénu. Opäť zdôrazňujeme, že nepredpokladáme, že samotné pamäťové B bunky sa snažia optimalizovať (4), skôr než evolučné tlaky by preferovali procesy generovania pamäťových B buniek, ktoré by sa optimalizovali (4).

3.4. Optimalizácia pre tréning s teplým štartom na mutovaný antigén

Nechceme naznačovať, že pamäťové B bunky sa priamo optimalizujú (5), ale skôr to, že evolučné tlaky mohli preferovať procesy výberu pamäťových B buniek, ktoré sa lepšie optimalizujú (5). Cieľ (4) a cieľ (5) budú mať pravdepodobne rôzne optimálne riešenia v závislosti od pravdepodobnosti rôznych mutácií antigénu a B lymfocytov, hoci rovnaký proces selekcie B lymfocytov s heuristickou pamäťou môže fungovať celkom dobre pri oboch cieľoch. Zatiaľ nie je známe, aké dôležité sú pamäťové B bunky pre tréning sekundárnych plazmatických B buniek v zárodočných centrách, ale niektoré dôkazy ukazujú, že zárodočné centrá sekundárnej odozvy pozostávajú z viac naivných B buniek, ako by sa dalo očakávať (Mesin et al., 2020 ).

3.5. Prečo pamäťové B bunky nie sú kópiami plazmatických B buniek?

Zdá sa, že (4) aj (5) vyžadujú znalosť pravdepodobnosti distribúcie PA~ rôznych mutácií, ktorým môže antigén prejsť, a pravdepodobnostnej distribúcie PMK ðbÞ mutovanej B bunky po K mutáciách. Pri mnohých symetrických výberoch PA~ a PMK ðbÞ však na presnom rozdelení nemusí veľmi záležať: imunitný systém by mohol lacno dosiahnuť dobré približné riešenie (4) a (5) jednoduchým vytvorením kópií pamäťových B buniek z plazmy. B bunky; nezdá sa, že by existovalo žiadne biochemické obmedzenie brániace presnej replikácii. Zdá sa však, že pamäťové B bunky sú v skutočnosti vybrané inak ako plazmatické B bunky. Uvádzame dve hypotézy prečo.

Naša prvá hypotéza už bola predstavená v časti 3.3 a na obr. 2: pretože imunitný systém môže vybrať súbor pamäťových B buniek v (4), oplatí sa mať väčšiu diverzitu v pamäťových B bunkách, než získame kopírovaním plazmy. B bunky. Plazmatické B bunky majú tendenciu byť menej rôznorodé, pretože sú trénované na optimalizáciu (1), čo aj pri viacerých lokálnych minimách v tvare sðb; aÞ obmedzí ich rozmanitosť. Pamäťové B bunky sú rozmanitejšie ako plazmatické B bunky, pretože sú selektované skôr v procese dozrievania. Veríme, že táto diverzita je dôležitá pre optimalizáciu afinity k mutovanému antigénu podľa (5), pretože skutočná afinitná funkcia s je vysoko nelineárna funkcia aminokyselinových sekvencií B bunky b a antigénu a, ktoré vyplývajú z komplexných biochemických vlastností a fyzikálnych vlastností. zámkové štruktúry (Carneiro a Stewart, 1994; Kilambi a Gray, 2017; Ambrosetti et al., 2020)

Naša druhá hypotéza je, že cieľ teplého štartu (5) pre sekundárne zárodočné centrá nie je dobre optimalizovaný kópiou súboru plazmatických B buniek, pretože existuje dôkaz, že pravdepodobnosti PMjb náhodných mutácií B buniek v SHM sú asymetrické: určité mutácie B buniek sú oveľa pravdepodobnejšie ako iné. To robí niektoré B bunky flexibilnejším východiskovým bodom pre teplý štart ako pôvodné plazmatické B bunky, ktoré môžu mať problémy s mutáciou, aby zodpovedali novému antigénu. Dôkazom asymetrického PMjb je, že mnohí výskumníci zaznamenali preferenčné zacielenie AID na špecifické motívy (Martin a kol., 2015; Stavnezer, 2011; Chen a MacCarthy, 2017; Keim a kol., 2013). Keďže mutácie by podľa definície zmenili špecifickú sekvenciu, na ktorú sa AID zameriava, je rozumné usúdiť, že prvá mutácia tohto miesta je jednoduchšia ako budúca. Po zmene sekvencie je menej pravdepodobné, že AID zacieli na toto miesto. Celkovo by preferenčné zacielenie AID pre túto oblasť sťažilo ďalšiu mutáciu alebo návrat späť k pôvodnej sekvencii.

Táto asymetria v pravdepodobnosti pohybu v priestore všetkých B buniek prostredníctvom mutácií počas AM vytvára nesúlad medzi cieľom plazmatických B buniek (1) a cieľom byť dobrým teplým štartovacím riešením pre budúci tréning plazmových B buniek podľa (5 ). Konkrétne plazmatická B bunka mohla urobiť veľa ťažko reverzných mutácií na optimalizáciu (1) pre súčasný antigén a. Na rozdiel od toho sa zdá, že vybrané pamäťové B bunky sú nedostatočne optimalizované na prispôsobenie súčasnému antigénu a, ale predpokladáme, že môžu ľahšie mutovať v sekundárnej odpovedi AM, aby lepšie vyhovovali náhodnému budúcemu antigénu A~. Celkovo poznamenávame, že ako dobre sa ciele (1), (4) a (5) zarovnajú, závisí od symetrie PA~; PMjb, a nelinearita s.

4. Simulácie

Algoritmus AM (Algoritmus 1) používame na modelovanie toho, ako sa trénujú plazmatické B bunky a pamäťové B bunky a pomocou dvoch simulácií ukazujeme, že simulované pamäťové B bunky sú lepšie ako simulované plazmatické B bunky pri optimalizácii našich predpokladaných cieľov (4) a ( 5), čím poskytuje dôkaz, že tieto ciele sú biologicky primerané. Najprv demonštrujeme mechaniku dozrievania afinity v simulovaných primárnych imunitných odpovediach, potom porovnáme rôzne potenciálne počiatočné podmienky pre simulované sekundárne imunitné reakcie.

Tieto simulácie nezohľadňujú všetky skutočné problémy v hre, ako napríklad to, že vírusová mutácia nesmie poškodiť funkčnosť vírusu a problémy opísané v 2.3. Napriek týmto obmedzeniam tvrdíme, že tieto simulácie zachytávajú mnohé z kľúčových problémov potrebných na ilustráciu toho, že naše predpokladané ciele sú v súlade s rozdielom v tréningu plazmy a pamäťových B buniek. Kompletný kód pre naše simulácie bude k dispozícii na požiadanie.

4.1. Nastavenie simulácie

Naše simulácie sa riadia algoritmom 1 pre proces AM. Inicializujeme naivný repertoár B buniek (10, 000 buniek) s receptormi B buniek, ktoré sú reprezentované náhodnou sekvenciou 10-50 aminokyselín, kde každá aminokyselina je nakreslená rovnomerne v priestore 61 -stop kodóny (vytvárajúce nerovnomernú distribúciu v aminokyselinách). Antigény simulujeme ako sekvencie odvodené zo známych antigénnych sekvencií kuracieho ovalbumínu, hovädzieho mlieka a pšenice (Honma et al. 1996; Liu a Sathe, 2018). Každá antigénna sekvencia má z dôvodu konzistencie dĺžku 17 aminokyselín. Simulujeme metriku afinity medzi B bunkou a antigénom pomocou štandardnej funkcie lokálneho zarovnania MATLAB, ktorá nájde optimálne zarovnanie medzi dvoma sekvenciami pomocou matrice BIOSUM50 a vráti skóre odrážajúce, ako podobné sú dve sekvencie v tomto zarovnaní Henilkoff a Henikoff, 1992. Toto skóre používame ako mieru afinity medzi B bunkovým receptorom a antigénom pre jednoduchosť, ale všimnite si, že je to len približná aproximácia zložitejšej štrukturálnej kompatibility medzi B bunkovým receptorom a antifónom.

Mutácie B bunky počas AM sú modelované v kodónovom priestore, kde sú kodóny B bunkového receptora nahradené jednou zo 61 kodónových možností. Zatiaľ čo SHM mutuje B bunky na úrovni jedného nukleotidu, práca v kodónovom priestore zabraňuje ďalšej komplikácii odfiltrovania nezmyselných sekvencií B bunkových receptorov. Okrem nahradenia kodónov môžu byť vložené alebo odstránené kodóny v B bunkových receptorových sekvenciách. Inzercie a delécie sú menej pravdepodobné ako zámena za iný kodón na základe mier každého typu mutácie pozorovanej u ľudí (Gibbs a kol., 2003; 1000 Genomes Project Consortium a kol., 2015; Zia a Moses, 2011). Kodóny definujúce každý B bunkový receptor sú vybrané tak, aby mutovali náhodne, ale simulujeme kodóny, ktoré obsahujú C cytozíny, aby boli mutované C 1-krát s väčšou pravdepodobnosťou ako kodóny bez cytozínu, čo odráža biologické predsudky na motívy nukleotidovej sekvencie (Martin et al. , 2015; Stavnezer, 2011; Chen a MacCarthy, 2017; Keim a kol., 2013). Uvádzame tiež prechodovú odchýlku medzi kodónmi, vďaka čomu sú niektoré zámeny pravdepodobnejšie ako iné na základe matrice mutability odvodenej od matrice BLOSUM50 (Henikoff a Henikoff, 1992; Veerassamy et al., 2003).

Pre našu počiatočnú simuláciu primárnej adaptívnej imunitnej odpovede na antigén (primárna odpoveď) náhodne vyberieme 50 naivných B buniek z repertoáru B buniek z top 1,000 z 10,000 naivných Repertoár B buniek z hľadiska afinity k uvedenému antigénu. To odráža nábor naivných B buniek s určitou čiastočnou afinitou bunkami TFH do germinálnych centier (Mesin a kol., 2016; Tas a kol., 2016). Týchto 50 „zakladateľských“ B buniek sa potom 20-krát duplikuje, aby sa vytvorila populácia zárodočných centier s 1,{10}} bunkami, čo odráža obdobie rastu tvorby zárodočných centier (Amitai et al., 2017). Pre každú iteráciu simulácie sa vyberie 50 B buniek na proliferáciu a 50 B buniek sa vyberie na odstránenie. B bunky s vyššou afinitou majú vyššiu pravdepodobnosť selekcie na proliferáciu, zatiaľ čo B bunky s nižšou afinitou majú vyššiu pravdepodobnosť selekcie na odstránenie. B bunky vybrané na proliferáciu sa duplikujú a zmutujú, pričom nahradia všetky B bunky vybrané počas tejto iterácie. Tento proces napodobňuje apoptózu B lymfocytov s nízkou afinitou z nedostatku pomoci TFH lymfocytov a proliferáciu B lymfocytov s vysokou afinitou po selekcii TFH bunkami. Tieto mutácie majú možnosť zvýšiť, znížiť alebo nemajú žiadny vplyv na afinitu B bunkových receptorov. Ukladáme tiež obmedzenia, pri ktorých sa môžu vyskytnúť mutácie v konkrétnej iterácii, simulujúc proces negatívneho výberu v dôsledku škodlivých alebo potenciálne nebezpečných mutácií. Celý tento proces sa opakuje viac ako 100 iterácií.

Ako základ pre obe simulácie 1 a 2 sme extrahovali 50 buniek počas prvej polovice našej simulácie primárnej odozvy ako simulované pamäťové B bunky. Bunky sú náhodne vybrané z horného 25. percentilu B buniek zárodočného centra. Ďalších 50 buniek sa vyberie na samom konci primárnej odpovede, aby reprezentovali plazmatické B bunky, kde tieto bunky vykazujú najvyššie skóre 50 afinity k antigénu. To odráža miernu odchýlku od algoritmu 1, pretože nepoznáme prahovú hodnotu. Stanovili sme t pre sekundárnu odpoveď na základe afinity plazmatických buniek vybraných na konci primárnej odpovede. Ako sa očakávalo, simulované pamäťové B bunky majú celkovo nižšiu afinitu k antigénu v porovnaní s plazmatickými B bunkami, ale vyššiu ako počiatočný súbor naivných B buniek.

Naše simulované mutácie antigénu pre sekundárnu odpoveď sú odvodené z rovnomernej náhodnej zámeny ktoréhokoľvek z kodónov za akýkoľvek iný (možno vrátane samotného kodónu, tj. no-op), čo vytvára nerovnomernú distribúciu medzi aminokyselinami ako niektoré aminokyseliny sú kódované viacerými kodónmi. Mutácie antigénu môžu tiež zahŕňať inzercie alebo delécie kodónov s rovnakou pravdepodobnosťou ako akýkoľvek kodón.

4.2. Simulácia 1: Afinita k mutovanému antigénu

Sekundárna infekcia môže zahŕňať antigén, ktorý bol zmutovaný, alebo antigén, ktorý je podobný príbuznému patogénu. Simulujeme zmeny v antigéne z primárnej na sekundárnu infekciu spôsobením protichodných mutácií našej antigénnej sekvencie. Najprv vygenerujeme 1,000 rovnomerne náhodné mutácie sekvencie antigénu a. Náhodné mutácie môžu byť zámenou akejkoľvek aminokyseliny za akúkoľvek inú, inzerciou akejkoľvek aminokyseliny alebo deléciou aminokyseliny. Z týchto kandidátskych mutácií ponechávame tú, ktorá má najnižšiu priemernú afinitu (najhorší prípad) k súboru 50 plazmatických B buniek z primárnej odpovede, aby sme odrážali, že potenciálne nebezpečná sekundárna infekcia by pravdepodobne pochádzala z náročnejšej mutácie. Tento náhodný proces opakujeme celkom K-krát, aby sme vytvorili antigén s K mutáciami. Tento antigén protivníka považujeme za najhorší prípad realizácie P; z kandidátskych mutácií.

Potom testujeme rôzne populácie B buniek podľa predpokladaného cieľa (4). Obr. 3 ukazuje priemernú afinitu medzi stále viac mutovanými antigénmi (kurací ovalbumín, hovädzie mlieko a pšenica) s mutáciami K=1.... 10 pre rôzne bunkové populácie na konci primárnej odpovede v priemere zo 100 nezávislých cyklov (Honma et al, 1996; Liu a Sathe, 2018). Obrázok 3 ukazuje, že naše simulované plazmatické B bunky sú najlepšou voľbou na maximalizáciu(4) pre malý počet protichodných mutácií, naše simulované pamäťové B bunky sú najlepšou voľbou medzi ~2-6 mutáciami a naivné B bunky sú najlepšie po mnohých mutáciách (7 plus ). Naše simulácie sú príliš zjednodušené na to, aby boli špecifické prechodové body zmysluplné, ale tvrdíme, že poskytujú silný dôkaz, že plazmatické B bunky pravdepodobne nie sú optimálne na identifikáciu podstatne mutovaných antigénov. To môže ďalej naznačovať, že v mutačnom priestore existuje určitá oblasť, kde sú pamäťové B bunky užitočnejšie ako plazmatické B bunky alebo naivné B bunky ako počiatočná podmienka pre sekundárnu odpoveď.

Predpokladáme, že skutočnosť, že plazmatické B bunky nemajú vždy najvyššiu afinitu k mutovaným antigénom, je spôsobená väčšou diverzitou pamäťových B buniek a naivných B buniek. Zatiaľ čo mutácie sa vyskytujú v priestore DNA, relevantná diverzita je vo výslednom nelineárnom fyzikálnom a biochemickom priestore, ktorý definuje afinitu k antigénu. Približné meranie diverzity B buniek v každej populácii pomocou párových podobností BLOSUM v každej sade ukazuje podstatné rozdiely v diverzite, pričom plazmatické B bunky majú priemernú podobnosť BLOSUM v rámci súboru 46, pamäťové B bunky majú oveľa nižší priemer v rámci súboru. BLOSUM podobnosť ~27 a naivné B bunky majú ešte nižšiu podobnosť v rámci súboru BLOSUM ~9 (z reprezentatívnej primárnej odpovede).

4.3. Simulácia 2: Mutácie potrebné na tréning sekundárnych plazmatických B buniek

V tejto simulácii porovnávame, ako dobre fungujú tri typy B buniek ako semená pre zárodočné centrum sekundárnej odozvy. Napodobňujeme tréning sekundárnej odozvy nového súboru plazmatických B buniek optimalizovaných pre vysokú afinitu k mutovanému antigénu (opísané v Simulácii 1). Sekundárnu optimalizáciu plazmatických B buniek inicializujeme jednou z troch možností: (i) N=50 plazmatické B bunky generované v primárnej zodpovednosti za pôvodný antigén a, (ii) N=50 pamäť B bunky generované v primárnej zodpovednosti za pôvodný antigén a, alebo (i)N=50 naivné B bunky. Zárodočné centrum osídlime rovnakým spôsobom ako primárna odpoveď, pričom ako naše nové zakladajúce bunky použijeme tri sady 50 B buniek. Rovnako ako v primárnej odpovedi sú naivné B bunky náhodné, ale vybrané tak, aby mali určitú počiatočnú afinitu k teraz mutovanému antigénu na simuláciu náboru do germinálneho centra. Každé z týchto troch zárodočných centier sekundárnej odozvy podlieha AM identickým spôsobom ako primárna odozva.

Obr. 4 sú reprezentatívne príklady simulácií viacerých sekundárnych odpovedí pri rovnakej primárnej odpovedi a rovnakých mutáciách K=1.....10 na antigéne hovädzieho mlieka (Liu a Sathe, 2018) . Konkrétne ukazuje priemernú afinitu 0,05 percenta buniek s najvyššou afinitou počas 100 opakovaní v sekundárnych odpovediach. Obr. 4 zdôrazňuje, že len pre jednu alebo dve mutácie antigénu majú plazmatické B bunky tendenciu mať najvyššiu počiatočnú afinitu k mutovanému antigénu. Pre tri alebo viac protichodných mutácií sú naivné a pamäťové B bunky lepšími počiatočnými podmienkami pre sekundárnu odpoveď ako primárna odpoveď plazmatických B buniek a dosahujú afinitu t v menšom počte opakovaní (obr. 4 a 5). ako rekrutované naivné B bunky so sekundárnou odpoveďou majú tendenciu mať vyššiu počiatočnú afinitu k mutovanému antigénu ako buď plazmatické B bunky s primárnou odozvou alebo pamäťové B bunky, keď už bol antigén dostatočne zmutovaný. To sa očakávalo, ale boli sme prekvapení, koľko mutácií bolo potrebných na to, aby naivné B bunky mali najvyššiu afinitu pri prvej iterácii sekundárnej odpovede. Teda. pre relatívne málo kodónových mutácií v novom antigéne sme našli empirický dôkaz, že naočkovanie sekundárnej odpovede primárne B bunkami z naivného repertoáru je výhodnou stratégiou. Neboli sme schopní simulovať oblasť v mutačnom priestore, kde pamäťové B bunky z primárnej odpovede mali konzistentne najvyššiu afinitu pri prvej iterácii sekundárnej odpovede, pravdepodobne v dôsledku značnej variácie medzi simulovanými sekundárnymi odpoveďami.

Podobne obr. 5 ukazuje priemerný počet iterácií pre plazmové, pamäťové a naivné B bunky na dosiahnutie t celkovej simulácie sekundárnej odozvy pre všetky tri antigény. Počet iterácií, pri ktorých sa dosiahne prah t, sa spriemeruje zo všetkých simulácií sekundárnej odozvy pre 50 nezávislých simulácií primárnej zodpovednosti za každý antigén. Naše simulácie opäť neukázali oblasť mutačného priestoru, kde boli pamäťové B bunky trvalo najlepšími podmienkami teplého štartu. Zistili sme, že to pretrváva v niekoľkých vylepšeniach našej simulácie, čo naznačuje, že toto zistenie nemusí byť artefaktom príliš hrubej simulácie. Predpokladáme, že je to spôsobené tým, že výber naivných B buniek pre sekundárne zárodočné centrum je ovplyvnený tak, aby mali určitú počiatočnú afinitu k mutovanému antigénu (ako je opísané v simulácii primárnej odpovede). To znamená, že naivné B bunky na obr. 4 sú vybrané pre počiatočnú afinitu k a, zatiaľ čo pamäťové a plazmatické B bunky odvodené z naivných B buniek sú vybrané tak, aby mali určitú počiatočnú afinitu k pôvodnému antigénu a (obr. 3). Pôvodne sme mali podozrenie, že naša afinitná zaujatosť pre selekciu naivných buniek bola príliš silná, ale naivné aj pamäťové B bunky sa získavajú súčasne v skutočných sekundárnych zárodočných centrách, aby mali najlepšiu šancu na vytvorenie nových plazmatických B buniek. Nedávne experimentálne dôkazy v skutočnosti naznačujú, že zárodočné centrá sekundárnej odozvy pozostávajú z viac naivných B buniek, ako sa predtým myslelo (Mesin et al, 2020). Je tiež možné, že existuje režim mutácie antigénu, pre ktorý sú pamäťové B bunky skutočne účinnejšie ako naivné B bunky pre teplý štart, ale že naše simulácie neboli dostatočne realistické, aby ich zachytili.

Poznamenávame, že simulácie sekundárnej odozvy často trvajú viac ako 100 iterácií, aby dosiahli prah afinity t z ich zodpovedajúcej primárnej simulácie. Pri výpočte priemerného počtu iterácií na dosiahnutie t vo Fg.5 sme tieto prípady nastavili na maximálny počet iterácií 100. Predpokladáme, že k tomuto javu dochádza preto, lebo kontradiktórne mutácie d môžu vytvoriť ťažší problém pre simulované zárodočné centrum vyriešiť. To znamená, že mutácie môžu byť špecificky zaujaté smerom k potenciálnym slabým oblastiam v priestore pravdepodobnosti mutácie ako výsledok vlastných cieľov prežitia antigénu.

5. Závery a otvorené otázky

Predpokladali sme, že dvojitá úloha pamäťových B buniek môže byť zachytená dvoma cieľmi (4) a (5) a že tieto ciele nebudú tak dobre optimalizované kopírovaním plazmatických B buniek, ktoré sú trénované na (1), kvôli ich presahovanie pôvodného antigénu. Naše simulácie, aj keď sú obmedzené, poskytujú silný dôkaz, že plazmatické B bunky by sa neoptimalizovali (4) alebo (5), akonáhle by antigén prešiel dostatočnými protichodnými mutáciami. Veríme, že táto suboptimálnosť plazmatických B buniek proti mutovaným antigénom poskytuje úlohu pre rôzne selekčné mechanizmy používané pre pamäťové B bunky.

Naše simulácie ukazujú obmedzený rozsah mutácií antigénu, pri ktorých môžu byť naše simulované pamäťové B bunky optimálne; pre podstatné mutácie ukazujeme, že náhodné naivné B bunky môžu fungovať ešte lepšie. Biologicky je tento záver podporený nedávnymi zisteniami o sekundárnych adaptívnych imunitných odpovediach, kde naivné B bunky tvoria veľkú väčšinu B buniek v sekundárnych zárodočných centrách (Mesin et al, 2020). Namiesto toho sa pamäťové B bunky často používajú na priamu diferenciáciu na plazmatické B bunky, a nie na ďalšiu somatickú hypermutáciu (Mesin et al, 2020). Plazmatické B bunky sú jednorazovým riešením a sú vysoko prispôsobené aktuálnemu záujmovému antigénu. Pamäťové B bunky poskytujú približnejšie riešenie súčasného antigénu, ktorý sa uchováva v tele, aby rozpoznal budúce antigény s podobnými charakteristikami. Ak je budúci antigén taký odlišný od toho, s čím sa predtým stretol imunitný systém, že ho žiadne pamäťové B bunky nedokážu identifikovať, vytvorí sa nové riešenie od začiatku pomocou naivných B buniek.

Pamäťové B bunky hrajú dve úlohy, obe sa diferencujú na plazmatické B bunky a reiniciujú zárodočné centrá, ale tieto úlohy môžu hrať odlišné subpopulácie (Dogan et al. 2009; Weisel a Shlomchik, 2017). Tieto odlišné subpopulácie pamäťových B-buniek mohli byť výsledkom odlišných AM procesov alebo zmien v AM procese v časovom rozpätí AM, ktoré sme explicitne nemodelovali v našom algoritme 1 (Weisel et al, 2016). Naše dva ciele pamäťových B buniek v (4) a (5) sa teda môžu vzťahovať na nezávislé populácie pamäťových B buniek. Tu sme skúmali zjednodušený model, kde sa pamäťové B bunky považovali za zjednotenú skupinu. Neboli sme však schopní pomocou simulácií ukázať režim, v ktorom boli pamäťové B bunky zreteľne lepšie ako sekundárne naivné B bunky na opätovné spustenie sekundárnej zárodočnej reakcie. Naše výsledky naznačujú, že táto úloha opätovnej inicializácie môže byť slabšou alebo zriedkavejšou úlohou pamäťových B buniek. Tieto výsledky sú v súlade s nedávnymi experimentálnymi dôkazmi, že podobne zaznamenané pamäťové B bunky boli menej prevládajúce v sekundárnych zárodočných centrách, ako sa predtým predpokladalo (Mesin et al., 2020). Avšak aj keď pamäťové B bunky nie sú vždy potrebné pre sekundárnu odpoveď, môže sa stať, že v niektorých prípadoch sú veľmi dôležité pre teplý štart, čo môže stále vyvíjať evolučný tlak na ich výberový proces. Evolučné tlaky na výber pamäťových B buniek v prírode nie sú známe, ale možno ich objasniť integráciou výpočtových simulácií a biologických experimentov. Aktívne monitorovanie afinity B buniek počas dozrievania afinity, ako aj zisťovanie, kedy a prečo sa GC B bunky stanú pamäťovými B bunkami, môže pomôcť pri vývoji presnejších a komplexnejších modelov v budúcnosti.