近日，国家自然科学基金委员会发布免疫力数字解码重大研究计划2025年度项目指南，其中介绍到“免疫力是人体抵御病原入侵，清除抗原性异物，监控及维系机体健康稳态的综合能力。免疫系统巨大多样性和复杂性是免疫力的关键基础，而传统研究模式未能系统揭示免疫力生成和演变规律”。并重点提到“标准化获取人体免疫力大数据”，而免疫组库即是免疫力大数据的重要组成部分。（https://www.nsfc.gov.cn/publish/portal0/tab434/info94368.htm）

免疫组库（Immune Repertoire, IR）是指个体在任何特定时间点其循环系统中所有功能多样性B淋巴细胞和T淋巴细胞的总和。T细胞和B细胞分别通过其表面的T细胞受体（T cell receptor, TCR）和B细胞受体（B cell receptor, BCR）来识别和结合抗原，介导机体的细胞免疫和体液免疫，进而发挥清除病原体或体内肿瘤细胞的功能。免疫组库的多样性使人类免疫系统能够区分人类一生中可能遇到的各种抗原。同时，免疫组库的偏倚或异常也对自身免疫性疾病的发病机制有贡献[1]。

BCR和TCR在结构上具有相似的特征，均为异源二聚体。其中TCR由α链和β链组成，BCR由两条重链（H）和两条轻链（L）组成（图1）。

图1 BCRs和TCRs的结构[2]

每条链又可分为V（Variable）、D（Diversity）、J（Joining）、C（Constant）区。在VDJ区域中，决定BCR和TCR的抗原特异性关键的区域是3个互补决定区（Complementary Determining Regions, CDR），其中以CDR3的可变性高，在抗原识别中起关键作用（图2）。

图2 以TCR为例介绍其蛋白和结构[3]

因此，免疫组库测序主要针对CDR3区域，通过多重PCR和高通量测序技术，分析编码CD3区域的DNA/RNA序列。高通量测序技术的快速发展开创了免疫研究的新时代，揭示了可能导致自身免疫的新分子和途径。在免疫组库领域，高通量测序可以监测免疫反应状态，识别疾病特异性免疫组库[1]。

近年免疫组库相关基金项目

昊为泰方案技术原理及应用

昊为泰生物借助于SMART扩增和多重PCR技术，以RNA为起始样本，特异性扩增BCR重链（IgA, IgD, IgE, IgG, IgM）和轻链（IgK, IgL），以及TCR α（TRA）和β（TRB）链。通过高通量测序和数据分析，分别获得上述同种型的CDR3种类和比例信息。可应用于标志物发现、感染性疾病、免疫反应监测、肿瘤免疫治疗、疫苗接种等多个方面的研究。

新的Science文章分析了多个人的免疫受体数据集，开发了“免疫诊断机器学习”框架，这是一种可以同时筛查多种疾病或精确测试一种疾病的解释性框架。该方法可检测特定感染、自身免疫性疾病、疫苗反应和疾病严重程度差异。该方法在免疫反应的科学和临床解释方面具有广泛的潜力[4]。

技术优势

（1）在逆转录过程中加入分子标签序列（UMI），提高克隆型检测的准确性；

（2）适用于二代短读长测序或三代全长V(D)J分析；

（3）适用于低起始量或高复杂度的样本，具有极高的灵敏度和可重复性；

（4）对于克隆型的数量有极宽的检测范围，适用于低克隆型的检出。

样本类型及建议

可检测的样本类型包括人和小鼠的PBMC，或分选的B细胞及B细胞亚型（仅检测BCR）、T细胞及T细胞亚型（仅检测TCR）。通常PBMC需要100 ng total RNA起始，建议提供≥5×10⁵个细胞，富集的B细胞或T细胞10 ng total RNA起始，建议提供≥5×10⁴个细胞。

技术路线

技术参数

（1）数据量：BCR ≥ 10M raw data/样本，TRA ≥ 2.5M raw data/样本，TRB ≥ 2.5M raw data/样本；

（2）Q30 > 80%。

分析与结果

（1）原始数据质控；

（2）基因引物检测；

（3）IgBLAST分析；

（4）V(D)J基础分析；

（5）V(D)J多样性分析；

（6）V(D)J样本比较分析；

（7）V(D)J注释分析。

数据展示

图3 BCR测序不同亚型占比

图4 BCR测序检测克隆亚型的种类数

图5 重复样本BCR各亚型中比例超过0.1%的克隆型占比的相关性

图6 重复样本TCR各亚型中比例超过0.1%的克隆型占比的相关性

参考文献：

1. Wu M, Zhao M, Wu H, Lu Q: Immune repertoire: Revealing the "real-time" adaptive immune response in autoimmune diseases. Autoimmunity 2021, 54(2):61-75.

2. Calis JJ, Rosenberg BR: Characterizing immune repertoires by high throughput sequencing: strategies and applications. Trends Immunol 2014, 35(12):581-590.

3. Attaf M, Huseby E, Sewell AK: alphabeta T cell receptors as predictors of health and disease. Cell Mol Immunol 2015, 12(4):391-399.

4. Zaslavsky ME, Craig E, Michuda JK, Sehgal N, Ram-Mohan N, Lee JY, Nguyen KD, Hoh RA, Pham TD, Roltgen K et al: Disease diagnostics using machine learning of B cell and T cell receptor sequences. Science 2025, 387(6736):eadp2407.

 关于昊为泰