哈啰大家好！！好久不见~我霆哥的新综艺开播了，走过路过的都来瞧一下哈！~

新冠疫情虽然已经逐渐平缓了下来，但是在科研领域，激烈的竞争还在如火如荼地进行。论起“蹭热度”，我科研圈可一点儿都不输娱乐圈，甚至更专业。新冠相关的研究和文章，也呈“井喷式”增长。全国的科学家，不论自己研究的是什么领域，都想着和新冠扯上一点儿关系。研究流行病学，传染病学，肺炎和免疫的自不必说，近水楼台，优势得天独厚。有研究某种癌症的，那就要看看新冠在该癌症病人中的表现。研究脑的就看脑，研究血的就看血，甚至研究一些比较小众的疾病的课题组，也能千方百计找到该疾病患者感染新冠的病例。哪怕就只有一个病人，也能总结出来个case report，发一发文章。

拼，太拼了。可怕，太可怕了。领导们大张旗鼓大刀阔斧，碰头开几次会就揽下了这瓷器活儿，苦得是我们这些干活的人。没有金刚钻，我们充其量就是一群小改锥。不仅理论知识从头起步学，数据到手里也不知道该如何挖掘，怎样利用。难，真的难。

之前在单细胞免疫测序从零起步的那套理论文章里，小编就说过了，之后我会不定期把我工作中的经验所得和大家交流分享。所以，今天我给大家带来一篇文献，以这篇文献为基础，给大家提供一些免疫数据的研究思路。【免责声明】本篇不是专门的文献解读，只是把文献中涉及到的一些方法简单阐述，想详细了解文献内容的朋友需要自己额外精读。另外对数据的一些理解也仅代表小编个人观点，小编半路出家，非免疫学专业出身。有任何错漏欢迎大神们批评指正。不接受杠精，别杠，杠就是你说得对。话不多说，和我一样无所适从的小改锥们，开始进化吧！

这篇文章是2020年5月发表的，对六种不同的免疫相关疾病的B细胞受体（BCR）库的分析。虽然这篇文章和新冠无关，但是里面对BCR数据的分析方法，非常有借鉴价值。这六种不同的免疫性疾病分别是：系统性红斑狼疮、ANCA相关血管炎、克罗恩病、白塞氏病、嗜酸性肉芽肿合并多血管症和IgA血管炎。Isotype Usages首先，BCR测序数据会给出每个clonetype的轻重链信息，里面包括轻重链基因的构成。从这个信息里面，就能知道每个BCR所属的亚型，也就是属于IgM、IgD、IgA、IgG和IgE中的哪一种。那么对BCR数据利用的第一步，就可以从不同的层面看一下不同亚型BCR的比例。比如文章里，是看不同的B细胞亚群中，不同重链亚型BCR的含量差别。

从图中可以看到，在还没有接受抗原刺激NaiveB细胞中，这个时候主要是IgM和IgD。这两种BCR在B细胞成熟的时候最早出现。等到了后期，在接受抗原刺激后，NaiveB细胞发育成MemoryB细胞和能分泌抗体的浆细胞的前身浆母细胞，在这些能发挥免疫作用的B细胞亚群里，其他类型的BCR就逐渐出现了。除了看重链亚型整体占比的变化之外，还可以和正常健康供体进行对比，查看不同疾病的患者中，对不同的重链亚型的使用是否存在明显的偏好性。

如图所示，在SLE、CD和IgAV患者中，IgA1/2亚型就比健康供体中要明显增多，而IgE亚型的BCR则是在EGPA、SLE和CD患者中会增多。

 如果想更深入，可以遵循从整体到局部的思路，单独把IgA和IgE这两种拿出来做箱图，并在不同疾病患者和健康供者之间做统计学检验，看看这种亚型使用的偏好，是否具有统计学显著性。Heavy Chain V Gene Usages因为不同的BCR重链V基因对应一些不同的免疫相关的pathway等，所以文章除了对重链亚型使用偏好的研究之外，还研究了重链V基因的使用偏好。

文章先对重链的V基因按照核苷酸排序的相似性进行了聚类，然后对不同疾病患者的不同B细胞亚群，和正常健康供者做比较，查看不同V基因使用的增加或者减少。并且在补充图里还展示了增值性克隆（文章中定义至少在3个细胞中存在的BCR）的V基因使用情况。看看如果BCR扩增的话，倾向于扩增含有哪种重链V基因的BCR。继续本着从整体到局部的思路，对于存在明显倾向的V基因，文章也用箱图进行展示，并加上统计学检验。如下图，已知IGHV4-34基因和自身性免疫反应相关，文章就看一下不同B细胞亚群中，不同疾病患者和正常供者相比，IGHV4-34基因在BCR中的占比【不是看基因表达量！】是否有统计学显著的变化。

CDR3 Length & SHM已知在健康个体中，CDR3区域的长度和IGHV基因的使用相关。所以，文章也用了一小部分篇幅统计和展示不同疾病中CDR3区域的长度。在B细胞接受抗原刺激的一系列发育过程中，会经历体细胞的高频突变，也就是阳性选择。所以，体细胞突变的个数，也能一定程度上反应BCR的状态。

Class Switch

在B细胞成熟过程中，从免疫活性较低，比较原始的IgM和IgD类型转化为后面的IgA、IgG和IgE等类型的过程，称为BCR的类型转换（class switch）。这种同种型之间的转换，在不同疾病中也存在偏好差异，可能和发病机理相关。

文章中，用网络图的形式，展现了不同疾病中，同种型之间转化的异同。

如上图，红色是对比健康供者来说显著增加的转换，箭头代表转换方向，粗细代表频率。在SLE和CD中，都出现了其他类型向IgA和IgE的转换，而在EGPA中，几乎所有的类型到IgE的转换均增加。

其实BCR测序数据拿到手里的最初，不熟悉的朋友一定会觉得非常茫然。和单细胞的转录组数据不一样，也没有基因表达，也几乎没有现成的分析包和软件，也没法实现数据的可视化。似乎除了统计一下频率和种类，别的也没有什么利用的方向。

这种时候，看文献的意义就体现出来了。通过文献阅读能打开思路，举一反三之后找到适合自己数据的分析方法。科研发展日新月异，谁不是边做边积累呢？既然选择踏上这条路就意味着活到老学到老，生无所息。今天的分享就到这里，我们下期见！！（时间不会隔太久的，小编最近看了老多文献了，都不吐不快，等着我啊！）