Wegweiser durch den Allergendschungel: Allergendatenbanken, ihre Merkmale und Anwendungsgebiete

Seit in den späten 1980er Jahren die ersten Allergene entdeckt, kloniert und sequenziert wurden, sind Hunderte von Allergenen aus unterschiedlichsten Quellen identifiziert worden. Angesichts des rapide wachsenden Datenbestands über Allergene, ihre Sequenzen, biochemischen Merkmale, IgE-Bindungs- und sonstigen klinischen Eigenschaften sowie ihre evolutionären und immunologischen Verwandtschaften entstand der Bedarf nach öffentlich zugänglichen Ressourcen für Allergendaten. Als in den 1990er Jahren das World Wide Web allgemein verfügbar wurde, bereitete das den Boden für die Einrichtung verschiedener frei zugänglicher Allergendatenbanken. Diese Datenbanken enthalten weitenteils überlappende Daten, unterscheiden sich aber im Hinblick auf die Nutzerzielgruppe, die Kriterien für die Aufnahme von Allergenen, die für die einzelnen Allergene erfassten Daten und die Verfügbarkeit von zusätzlichen Tools, z.B. für Sequenzvergleiche.

Die vorliegende Übersichtsarbeit gibt einen kritischen Überblick über die Merkmale, Stärken und Schwächen der sechs derzeit meistgenutzten frei zugänglichen Allergendatenbanken. Darüber hinaus werden einige Beispiele für Forschungsfragen gegeben, die sich mit diesen Datenbanken jeweils bearbeiten lassen. Tabelle 1 und Tabelle 2 zeigen eine Zusammenfassung ihrer wichtigsten Merkmale. Die vorliegende Arbeit beschränkt sich auf Datenbanken von Proteinallergenen, die IgE-vermittelte (Typ-I)-Allergien auslösen; nicht behandelt werden Allergene, die für Reaktionen vom verzögerten Typ (Typ IV) verantwortlich sind.

Ursprünglich waren die Wissenschaftler frei in der Benennung der Allergene, die sie entdeckt hatten, und jeder verwendete ein anderes Schema der Namensbildung. Die ersten Allergene, die in den 1970er und frühen 1980er Jahren identifiziert wurden, erhielten nicht-systematische Namen wie Antigen E (heute Amb a 1) und Ra5 (jetzt Amb a 5) aus Ambrosia (Ragweed), Allergen M (jetzt Gad m 1 und Gad c 1) aus Kabeljau oder cat-1 (jetzt Fel d 1) von der Katze. In einigen Fällen verwendeten verschiedene Gruppen sogar unterschiedliche Namen für dieselben Allergene. Um ein offizielles, einheitliches Benennungssystem einzuführen, wurde 1984 unter der Schirmherrschaft der Weltgesundheitsorganisation (WHO) und der International Union of Immunological Societies (IUIS) das WHO/IUIS Allergen Nomenclature Sub-Committee ins Leben gerufen. Diesem Unterausschuss gehören derzeit 22 führende Experten für die Charakterisierung, Struktur, Funktion, Molekularbiologie und Bioinformatik von Allergenen an. Seine Aufgabe ist es, eine einheitliche, eindeutige, systematische Nomenklatur für alle Proteine, die beim Menschen IgE-vermittelte Allergien induzieren können, zu entwickeln und zu verwalten.

Die offizielle Allergennomenklatur wurde erstmals 1986 veröffentlicht [1], 1994 erschien eine überarbeitete Fassung [2,3,4,5,6]. Diese noch heute geltende überarbeitete Nomenklatur fußt auf der Linnéschen binären Nomenklatur, die jeden Organismus durch Gattungs- und Artnamen bezeichnet. Die Allergennamen beginnen mit den ersten 3-4 Buchstaben des Gattungsnamens der Allergenquelle, darauf folgt ein Leerzeichen, dann die ersten 1-2 Buchstaben des Artnamens, ein Leerzeichen, eine Zahl (die meist in der chronologischen Reihenfolge der Entdeckung des Allergens in der jeweiligen Quelle vergeben wird), ein Punkt und eine vierstellige Zahl zur Bezeichnung von Isoformen und Varianten des Allergens. Verwandte Allergensequenzen einer Spezies werden als Isoformen desselben Allergens zusammengefasst, wenn ihre Sequenzen zu mehr als 67% identisch sind. Als Varianten eines Allergens sind Sequenzen definiert, die zu >90% identisch sind. Für eine ausführlichere Darstellung der Nomenklatur sei der Leser auf Originalpublikationen zur Nomenklatur sowie einige neuere Artikel mit aktuellen Erkenntnissen zu einzelnen Aspekten der Allergennomenklatur verwiesen [7,8,9].

Ein Verzeichnis aller offiziell anerkannten Allergennamen ist seit 2000 im Internet verfügbar (www.allergen.org). Ursprünglich bestand es aus einer einfachen Tabelle mit dazugehörigen Literaturverweisen. Später wurde es zu einer leistungsfähigen Datenbank mit Blätter- und Suchfunktionen und Verknüpfungen zu anderen Datenbanken weiterentwickelt. Neue Einträge werden von den Mitgliedern des Allergen Nomenclature Sub-Committee in die Datenbank aufgenommen. Um eine einheitliche, den Richtlinien entsprechende Allergennomenklatur aufrechtzuerhalten, müssen Forscher Allergene, die sie neu entdeckt haben, beim Unterausschuss einreichen, bevor sie ihr Manuskript einer Fachzeitschrift zur Veröffentlichung vorlegen. Diese Einreichungen werden vertraulich behandelt; bis zur Veröffentlichung erscheinen auf der Website keine konkreten Angaben außer dem Namen des neuen Allergens, seiner biochemischen Bezeichnung und grundlegenden Angaben zu seiner Allergenität. Ein Formular zur Einreichung eines neuen Allergens ist unter www.allergen.org abrufbar. Jede Einreichung wird von mindestens 2 Mitgliedern des Unterausschusses geprüft. Um in die Datenbank aufgenommen zu werden und einen offiziellen Allergennamen zu erhalten, müssen eingereichte Allergene die folgenden Kriterien erfüllen: (i) zumindest teilweise erfolgte Sequenzierung und Eintrag in eine Nukleotid- oder Proteinsequenzdatenbank (wobei die Datenbank auch einige alte Einträge ohne entsprechende Zugangsnummer enthält), (ii) eindeutige Identifizierung der Expression in der Quelle auf mRNA- oder Proteinebene und (iii) Bindung von IgE aus Seren von mindestens 5 Patienten, die gegen die jeweilige Quelle allergisch sind.

Im März 2017 enthielt die Allergennomenklatur-Datenbank der WHO/IUIS 869 Allergene mit 1250 Isoformen und Varianten. Der Datensatz jedes offiziell anerkannten Allergens umfasst seinen Namen sowie biochemische Namen, veraltete Namen, Angaben zur Quelle (wissenschaftlicher und allgemeinsprachlicher Name der Art, Ordnung und Gruppe) und grundlegende Angaben zu seiner Allergenität einschließlich eines Links zu der Publikation mit der Erstbeschreibung. Bei neueren Einträgen werden auch Name und Institution des Einreichers veröffentlicht. Darüber hinaus enthält jeder Eintrag Daten zu Isoformen und Varianten des Allergens wie Isoallergennummer, Peptid- und Nukleinsäuresequenzen, Molekülmasse, Allergenität rekombinanter Isoallergene sowie Links zu Publikationen zur Allergenität und Sequenzierung in PubMed, zu Nukleinsäure- und Peptidsequenzen in GenBank und UniProt sowie zu Strukturen in der Protein Data Bank (PDB). Allergene und Isoformen, die nach oraler Einnahme allergische Reaktionen hervorrufen, werden als Nahrungsmittelallergene gekennzeichnet. Bei allen anderen Arten von Allergenen hingegen werden keine Angaben zum Expositionsweg gemacht. Das Allergenverzeichnis der WHO/IUIS Allergen Nomenclature Database ist die wichtigste Datenquelle für die meisten anderen Allergendatenbanken wie AllergenOnline, SDAP oder AllFam.

Die Allergome-Datenbank (www.allergome.org) wurde 2003 freigeschaltet und wird von Allergen Data Laboratories betrieben, einem Unternehmen in Latina, Italien [10,11]. Hier werden sämtliche Daten zu Allergenquellen und allergenen Molekülen aus der Literatur und aus anderen Datenbanken zusammengetragen. Allergome ist die wohl umfassendste Sammlung von Allergendaten. Im März 2017 enthielt sie Daten zu mehr als 3500 Allergenquellen und 3000 Allergenen (www.allergome.org/script/statistic.php). Im Gegensatz zur offiziellen Nomenklatur werden Allergene hier als «Moleküle» bezeichnet, während alle Datensätze (Allergene und Quellen) zusammenfassend als «Allergene» bezeichnet werden. Die in die Datenbank eingegebenen Daten werden nicht nach Relevanz gefiltert, sondern jeder Allergendatensatz enthält einen sogenannten Allergenitäts-Score als schnellen Überblick darüber, wie gut das Allergen im Hinblick auf Sequenz, IgE-Bindungs- und Aktivitätsassays, Hauttests, Provokationstests und epidemiologische Daten beschrieben ist. Zusätzlich zu etablierten Allergenen sind in Allergome auch Proteine aufgeführt, die Homologe von Allergenen sind, bisher jedoch nicht als Allergene identifiziert wurden oder aus Quellen stammen, die nicht von allergologischer Bedeutung sind. Diese Einträge sind als «in silico» gekennzeichnet.

Ein Allergendatensatz umfasst hier den Allergennamen, im Fall offiziell anerkannter Allergene einen Link zum Allergendatensatz in der WHO/IUIS-Datenbank sowie biochemische Namen. Für viele Allergene, die noch nicht vom WHO/IUIS Allergen Nomenclature Sub-Committee anerkannt sind, werden IUIS-ähnliche Allergennamen angegeben. Hierbei ist jedoch zu unterstreichen, dass diese Namen nicht vom Allergen Nomenclature Sub-Committee anerkannt sind und möglicherweise auch niemals anerkannt oder sogar geändert werden, falls dem jeweiligen Allergen später ein offizieller Name zugewiesen wird. Außerdem enthält der Datensatz noch Angaben zur Allergenquelle, darunter den wissenschaftlichen Namen, umgangssprachliche Namen in mehreren Sprachen, Bilder sowie Links zu taxonomischen Datenbanken wie der des National Center for Biotechnology Information (NCBI) oder UniProt. Die biochemischen Daten umfassen die biologische Funktion, eine Liste der Isoformen und Varianten mit Verknüpfungen zu Sequenzdaten in UniProt und zu Strukturdaten in der PDB sowie das Gewebe, in dem das Allergen exprimiert wird. An allergologischen Daten enthält die Datenbank die Expositionswege sowie eine Tabelle mit epidemiologischen Daten aus der Literatur unter Angabe der Einschlusskriterien der untersuchten Patientenkohorte, der Art des Tests, der Anzahl der Patienten sowie des Anteils positiver Ergebnisse. Zu jedem Allergendatensatz gehört auch eine umfassende Liste mit Literaturverweisen, die nach Themenbereichen kategorisiert sind, z.B. Biochemie/Struktur/Funktion, Molekularbiologie oder Immunchemie/Allergenität.

Allergome kann entweder mit einer einfachen Textsuche oder einer erweiterten Suche durchsucht werden; bei letzterer kann der Nutzer die zu durchsuchenden Datenbankfelder eingrenzen. Die Website bietet außerdem eine Vielzahl von Data-Mining-Tools, die die Extraktion zusätzlicher Daten zu gut erforschten Allergenen ermöglichen. Die Datensätze von Allergenen mit bekannter Sequenz enthalten eine Seite mit den Proteinsequenzen aller Isoforme und Varianten. Hier sind auch Sequenzmotive aufgeführt, die von einem Algorithmus erzeugt wurden (Originalpublikation von Stadler und Stadler [12]), um Allergene in Familien einzuordnen und anhand der Sequenz Prognosen zur Allergenität abgeben zu können. Mit dem Tool AllergomeAligner lassen sich Sequenzen und Motive mit Allergome oder UniProt mithilfe unterschiedlicher Sequenzähnlichkeits-Suchwerkzeuge abgleichen. Des Weiteren enthält der Allergendatensatz den Allergome O-Ring, eine grafische Darstellung von Sequenzähnlichkeiten sowie IgE-Kreuzreaktivitäten innerhalb von Gruppen verwandter Allergene. Das ReTiME-Modul (Real Time Monitoring of IgE Sensitization) ist eine Datenbank, in der mitwirkende Allergiekliniken geographisch aufgelöste epidemiologische Daten zur Sensibilisierung gegen Allergene zusammentragen und speichern. Mit dem dem RefArray-Tool lässt sich in der Literatur zum Thema Allergene recherchieren. Der Nutzer kann die Allergome-Literaturdatenbank nach verschiedenen Kriterien durchsuchen, z.B. Allergenname, thematische Kategorie (Biochemie, Immunologie/Allergenität usw.) oder bibliographische Standardkategorien wie Erscheinungsjahr, Zeitschrift oder Autoren.

Allergome wird in der wissenschaftlichen Fachwelt häufig genutzt. Bis 2014 ist Allergome laut seiner Website in 308 Publikationen zitiert worden (www.allergome.org/script/about.php#database). Im Folgenden sollen nur einige wenige Beispiele neuerer Studien genannt werden. Erstens ist der grundlegendste Anwendungszweck von Allergome der Abruf einer vollständigen Liste aller bekannten Allergene aus einer bestimmten Quelle. Dimitrov und Doytchinova [13] nutzten Allergome, um die Sequenzen von 13 Milch- und Ei-Allergenen abzurufen und deren gastrointestinale Verdauung sowie die HLA-Bindung der entstehenden Peptide zu simulieren. Sie prognostizierten die Bindung von 3 und 4 HLA-DR- und DQ-Allelen an Peptide aus Milch- und Ei-Allergenen, wobei mehrere Allele keine Bindung an Allergenpeptide zeigten und ihnen daher Schutzwirkung gegenüber der jeweiligen Allergie zugesprochen wurde. Zweitens enthält Allergome eine durchsuchbare Sequenzdatenbank. Diese Daten werden entsprechend verwendet, um neu entdeckte Allergene mit bekannten zu vergleichen oder auf der Grundlage von Homologien das Vorliegen putativer Allergene in sequenzierten Proteomen, Transkriptomen oder Genomen vorherzusagen. Campbell et al. [14] analysierten das gesamte Pollen-Proteom und -Transkriptom von Wilder Mohrenhirse, eines subtropischen Grases. Indem sie Transkriptom- und Proteomdaten sowie Sequenzen IgE-bindender Proteine, die durch Massenspektrometrie identifiziert wurden, mit Allergome verglichen, zeigten die Autoren, dass dieses Gras Vertreter sämtlicher Pollenallergenfamilien enthält, die zuvor in anderen subtropischen Gräsern identifiziert worden waren, nicht jedoch die Allergene der Gruppe 5 und 6, die auf Pollen von Gräsern aus gemäßigten Zonen beschränkt sind. Drittens enthält Allergome als einzige Datenbak Daten zu Allergenquellen einschließlich solcher, bei denen die enthaltenen Allergene nicht identifiziert sind. Wir verglichen anhand dieser Daten die taxonomischen Verteilungen derjenigen Pflanzenarten, von denen bekannt ist, dass sie Pollenallergien hervorrufen, und derjenigen Arten, die identifizierte Allergene enthalten [15]. Während in Allergome 178 Pollenallergenquellen aufgeführt wurden, waren nur bei 52 Arten Allergene identifiziert. Insbesondere bei tropischen und subtropischen Pflanzen fehlte es an Allergendaten. Diese Ergebnisse könnten die Aufmerksamkeit zukünftiger Forschungsarbeiten verstärkt auf diese Pflanzenfamilien richten, denn ihre Bedeutung als Quelle allergener Pollen steigt infolge der zunehmenden Prävalenz von Allergien in den Entwicklungsländern und der Auswirkungen des Klimawandels auf die geographische Verteilung allergener Pflanzen [16].

Zur Sicherheitsbeurteilung von gentechnisch veränderten Organismen gehört vor der Markteinführung die Bewertung ihres allergenen Potenzials im Vergleich zum jeweiligen Wildtyp. Der prototypische Fall eines allergenen 2S-Albumins, das in gentechnisch veränderte, für Tierfutter bestimmte Sojabohnen eingebracht wurde, die aus diesem Grund nie auf den Markt kamen, führte zur Entwicklung von Richtlinien für die Allergenitätsprüfung neuartiger Lebensmittel [17]. Sie sehen Screenings mit Seren von Allergiepatienten ebenso vor wie die Testung der Proteine auf Resistenz gegen gastrointestinale Verdauung, Tierstudien und die bioinformatische Beurteilung der Ähnlichkeit neu eingebrachter Gene mit bekannten Allergenen [18].

Die AllergenOnline-Datenbank (www.allergenonline.org) wurde im Jahr 2005 vom Food Allergy Research and Resource Program am Institut für Lebensmittelwissenschaften und -technologie der University of Nebraska in Lincoln, NE, USA, eingerichtet. Sie soll als Peer-Review-gestützte Datenbank von Allergensequenzen dazu dienen, die Allergenität von Proteinen zu prüfen, die in gentechnisch veränderte Lebensmittel eingebracht werden [19]. Die Begründung für die Durchführung von Sequenzvergleichen mit bekannten Allergenen liegt in der Annahme, dass Proteine mit signifikanter Sequenzähnlichkeit mit Allergenen auch Kreuzreaktivität mit IgE- oder T-Zellen, die für dieses Allergen spezifisch sind, zeigen und dadurch allergische Symptome hervorrufen könnten. AllergenOnline sammelt putative Allergensequenzen aus der NCBI-Proteindatenbank, ergänzt durch Daten aus der WHO/IUIS Allergen Nomenclature Database und Allergome. Diese Liste wird dann auf der Grundlage von Peer-Review-Publikationen von einem Gutachtergremium gefiltert. Sequenzen werden nur dann in AllergenOnline aufgenommen, wenn es eindeutige Belege dafür gibt, dass das Protein IgE aus Seren von Patienten bindet, die allergisch gegen die jeweilige Quelle sind, und dass das Protein in dem relevanten Gewebe der Quelle exprimiert wird. Dem Gutachterstab gehören derzeit 8 Wissenschaftler an. Einzelheiten zum Evaluierungsprozess sind der Website von AllergenOnline zu entnehmen (http://www.allergenonline.org/about.shtml). AllergenOnline wird jährlich aktualisiert. Die aktuelle Version 17 aus dem Januar 2017 enthält 2035 Sequenzen.

Die Benutzeroberfläche von AllergenOnline enthält eine Liste aller Einträge, die mit Suchbegriffen in allen Datenbankfeldern gefiltert werden kann. Jeder Sequenz-Datensatz enthält Angaben zur Art (wissenschaftlicher und umgangssprachlicher Name), dem Allergennamen laut WHO/IUIS (falls vorhanden), der Art des Allergens (Expositionsweg und Art der Quelle; z.B. Milben-Aeroallergen, pflanzliches Nahrungsmittelallergen), der Allergengruppe und der Sequenzlänge sowie einen Link zum Eintrag der Sequenz in der NCBI-Proteindatenbank. Allergengruppen enthalten verwandte Allergene derselben Spezies oder Gattung mit mehr als 67% Sequenzidentität. Eine in AllergenOnline definierte Gruppen entspricht somit in der Regel (aber nicht immer) einem Allergen im Sinne der speziesbasierten WHO/IUIS-Nomenklatur. Jede Gruppe ist mit einer Liste von Literaturverweisen und Sequenzeinträgen verknüpft.

AllergenOnline wurde hauptsächlich als Allergensequenzdatenbank für Sequenzvergleiche konzipiert. Die Nutzer können mit 3 Methoden ihre Sequenzen mit der Datenbank abgleichen: eine Standard-Ähnlichkeitssuche mit dem FASTA-Programm [20], eine FASTA-Suche mit allen möglichen 80 Aminosäuren langen Fragmenten der Abfragesequenz sowie die Suche nach identischen, 8 Aminosäuren langen Peptiden. Die letzteren beiden Methoden sind von Aufsichtsbehörden für die Prüfung von Transgenen empfohlen worden [21], trotz bestehender Zweifel an ihrer wissenschaftlichen Validität [18]. Mit AllergenOnline wurde das Allergenitätsrisiko der Cry-Proteine, die für Bacillus-thuringiensis-Toxine codieren und häufig in Nutzpflanzen eingebracht wurden, um ihnen Resistenz gegen Schädlinge zu verleihen [22], ebenso geprüft wie das von Genen, die zur Bestäubungskontrolle in Indischen Senf eingebracht wurden [23]. In beiden Fällen wurden keine signifikanten Ähnlichkeiten mit bekannten Allergenen festgestellt. Darüber hinaus wird AllergenOnline von Wissenschaftlern als zuverlässige Quelle von Allergensequenzen in verschiedenen Anwendungsbereichen genutzt, z.B. in der Massenspektrometrie-basierten Quantifizierung bekannter Allergene [24] oder bei der Suche nach Homologen von neu identifizierten Allergenen [25].

Die Structural Database of Allergenic Proteins (SDAP; fermi.utmb.edu/SDAP/) wurde 2002 am Sealy Center for Structural Biology im Institut für Biochemie und Molekularbiologie der University of Texas, Medical Branch, in Galveston, TX, USA eingerichtet [26,27]. Es handelt sich um eine Datenbank von Allergensequenzen, -strukturen und -epitopen sowie eine Sammlung von Bioinformatik-Tools zur Analyse von Allergenen und ihren Ähnlichkeiten. Diese Datenbank verwendet Allergendaten aus der WHO/IUIS Allergen Nomenclature Database und ergänzt sie durch Nicht-IUIS-Allergene aus Sequenz- (UniProt, NCBI, Protein Information Resource), Struktur- (PDB) und Literaturdatenbanken (PubMed). Neue Daten werden vom SDAP-Team eingegeben und von einem externen wissenschaftlichen Beirat geprüft, dem derzeit 3 Wissenschaftler angehören. Es wurden jedoch bisher keine formalen Kriterien veröffentlicht, nach denen Allergene aufgenommen werden. Die SDAP wurde bis 2013 regelmäßig aktualisiert. Mit Stand vom März 2017 wird jedoch auf der Website als Zeitpunkt der letzten Aktualisierung Februar 2013 angegeben.

Zwei Gruppen von Allergenen sind in SDAP definiert: «SDAP All» enthält die Gesamtheit der Allergene, «SDAP Food» ist auf die Nahrungsmittelallergene beschränkt. Alle Suchfunktionen können bei beiden Datenbankversionen genutzt werden. Die Inhalte der Datenbanken lassen sich entweder als alphabetische Allergenlisten durchblättern oder mittels Textsuche nach Allergennamen, Quellen oder Allergenbeschreibung durchsuchen, auf Wunsch begrenzt auf WHO/IUIS-anerkannte Allergene. Jeder Allergendatensatz enthält den Allergennamen und -typ (z.B. Lebensmittel, Milben, Gräserpollen), den Anerkennungsstatus des WHO/IUIS Allergen Nomenclature Sub-Committee sowie die biochemischen Namen der Allergene (sogenannte Keywords). Darüber hinaus werden der wissenschaftliche und umgangssprachliche Name der Allergenquelle angegeben. Zudem enthält der Datensatz Links zu Sequenzdatenbanken (NCBI, UniProt, PIR) und Proteinfamiliendatenbanken (Superfamily, InterPro, Pfam) sowie die wichtigsten Literaturverweise. Bei Allergenen mit bekannter Struktur ist auch ein Link zum PDB-Eintrag enthalten. Ansonsten werden, wenn homologe Strukturen existieren, automatisch erzeugte Homologiemodelle angeboten [28]. Bei Allergenen mit bekannten Epitopen wird eine Liste der Epitope mit zugehörigen Literaturverweisen angegeben.

Jeder Allergeneintrag enthält Verknüpfungen zu verschiedenen Tools für die Sequenzanalyse, z.B. PeptideCutter zur Vorhersage von Spaltungsstellen durch Proteasen oder Chemikalien [29], Suche nach ähnlichen Sequenzen in SDAP mit FASTA und BLAST, Ähnlichkeitssuche in der NCBI- und der UniProt-Proteindatenbank [30] und Durchsuchung der Prosite-Datenbank auf Vorliegen von Sequenzmotiven, die charakteristisch für bestimmte Proteinfamilien oder -funktionen sind [31]. Von Allergenen, die durch Abgleich mit der Pfam-Datenbank einer Proteinfamilie zugeordnet wurden [32], kann der Nutzer sich eine Liste der SDAP-Allergene dieser Familie anzeigen lassen.

Die Allergensequenzen in der SDAP können mit verschiedenen Tools durchsucht werden. Nutzer können die Ähnlichkeit der von ihnen untersuchten Sequenzen mit bekannten Allergenen über Methoden testen, die von der UN-Organisation für Ernährung und Landwirtschaft (FAO) und der WHO empfohlen werden; mittels einer vollständigen FASTA-Suche, einer FASTA-Suche mit einem gleitenden 80-mer-Fenster oder einer Suche nach kurzen Abschnitten identischer Sequenzen. Darüber hinaus können die Nutzer mit dem Property Distance (PD)-Index [27] Peptidsequenzen (z.B. Epitope) mit Sequenzen in der SDAP vergleichen, um Allergene mit identischen Sequenzen oder Sequenzen mit voraussichtlich ähnlichen physikalisch-chemischen Eigenschaften und möglicher Kreuzreaktivität zu identifizieren. Der Zusammenhang zwischen PD-Index und IgE-Kreuzreaktivität ist experimentell validiert. Hierzu wurden Seren von Patienten getestet, die gegen das Hauptallergen von Wacholderpollen (Jun a 1) allergisch sind [33]. Peptide, die den 3 wichtigsten IgE-Epitopen von Jun a 1 entsprechen, wurden zusammen mit Peptiden unterschiedlicher Sequenzähnlichkeit und somit PD-Indizes im Vergleich zu den Wildtyp-Epitopen auf IgE-Bindung getestet. Die Autoren zeigten eine Assoziation der IgE-Kreuzreaktivität mit der Sequenzähnlichkeit, ausgedrückt als PD-Index, und zogen die Schlussfolgerung, dass der PD-Index für die Vorhersage von Kreuzreaktivitäten geeignet ist.

Die SDAP wird als Quelle für Allergensequenzen im Rahmen verschiedener Anwendungen in der Bioinformatik genutzt. In einer Studie mit dem Ziel, die Allergenität von Proteinen vorherzusagen, nutzten Kumar und Shelokar [34] Methoden des maschinellen Lernens, um allergene von nichtallergenen Proteinen zu unterscheiden. Ihre Software klassifizierte Proteine anhand von mehreren Sequenzmerkmalen. Mit Allergensequenzen aus der SDAP als Testdatensätze erreichten sie eine Genauigkeit von 90% für die korrekte Vorhersage allergener und nichtallergener Proteine. Über Sequenzvergleiche mit der SDAP ist es möglich, die Allergenität von Proteinen vorherzusagen. In einer Bioinformatik-, biochemischen und immunologischen Analyse untersuchten Sharma und Kollegen die Allergenität von Osmotin, einem Pathogenese-assoziierten Protein aus Tabak, das an der Resistenz gegenüber abiotischem Stress beteiligt ist [35]. Das für Osmotin codierende Gen sollte in transgene Nutzpflanzen eingebracht werden, um deren Stresstoleranz zu erhöhen. Es stellte sich jedoch heraus, dass das Protein erhebliche Sequenzähnlichkeiten mit allergenen Mitgliedern der Familie der Thaumatin-ähnlichen Proteine aufwies und IgE-Bindung bei Seren von Patienten mit Allergien gegen Apfel oder Tomate zeigte.

Die Immune Epitope Database (IEDB; www.iedb.org) wurde 2004 von einem internationalen Expertenteam eingerichtet und 2006 der Öffentlichkeit zugänglich gemacht. Sie wird durch Fördermittel des National Institute of Allergy and Infectious Diseases in Bethesda, MD, USA, finanziert [36]. Die IEDB ist die wohl umfassendste Quelle von Daten zu experimentell entdeckten Epitopen. Die Datenbank enthält (sowohl lineare als auch konformationelle) Peptid- und Nichtpeptid-Epitope adaptiver Immunrezeptoren (Antikörper, T-Zell-Rezeptoren und Haupthistokompatibilitätskomplex-Proteine) von Menschen und nicht-menschlichen Tieren. Sie umfasst Epitope, die mit Infektionskrankheiten, Allergien, Autoimmunerkrankungen oder Transplantation assoziiert sind. Epitope des humanen Immundefizienzvirus (diese sind in der Los Alamos HIV Molecular Immunology Database enthalten, www.hiv.lanl.gov) und tumorassoziierte Epitope hingegen sind nicht Bestandteil der IEDB.

Die Daten, die in die IEDB Eingang finden, werden entweder von den Wissenschaftlern direkt eingereicht oder - in der Mehrzahl der Fälle - aus der Literatur entnommen, mit einer Kombination aus automatisierten PubMed-Recherchen und manueller Auswahl der resultierenden Publikationen durch ein Team kompetenter Kuratoren nach detaillierten Richtlinien aus einem ausführlichen Kurationshandbuch [37]. Der Kern der IEDB besteht aus Daten zu Experimenten, die die Erkennung eines Epitops oder Antigens durch T-Zell-Rezeptoren, Antikörper oder MHC-Moleküle beschreiben. Alle experimentellen Assays, die das Epitop oder seine Erkennung durch Immunrezeptoren charakterisieren, werden in die IEDB eingegeben, einschließlich aller negativen Ergebnisse. Diese Daten werden mit der Literaturquelle verknüpft, aus der sie entnommen wurden, mit Angabe des Antigens und des Organismus, aus dem das Epitop stammt, dem Wirtsorganismus, der mit dem Epitop assoziierten Erkrankung und dem Expositions- oder Immunisierungsprozess. Im März 2017 enthielt die IEDB Daten zu knapp 280 000 Epitopen aus 3600 Quellorganismen, gewonnen aus mehr als 18 000 Publikationen.

Das Suchformular auf der IEDB-Website bietet dem Nutzer die am häufigsten verwendeten Suchkriterien an. Alle Epitope in der Datenbank können nach Art des Epitops (linear, konformationell, nicht-peptidisch), Assays (B-Zell-, T-Zell-, MHC-), der MHC-Restriktion, des Antigen und Herkunftsorganismus, Wirtsorganismus sowie der Erkrankung (Infektionskrankheit, Allergie, Autoimmunkrankheit, Transplantation) durchsucht werden. Alle Suchfelder haben eine automatische Vervollständigungsfunktion, um die schnelle Identifizierung potenziell zweideutiger Namen, z.B. Organismusnamen oder Antigene, zu erleichtern. Die Suchergebnisse werden in 4 Tabellen als Listen von Epitopen, Antigenen, Assays und Referenzen angezeigt. Die Suche kann verfeinert werden, indem zusätzliche Kriterien hinzugefügt oder vorhandene entfernt werden. Die anfänglichen Suchkriterien können weiter eingeengt werden. Der Nutzer kann beispielsweise die genaue Art des Assays (z.B. Suche nur nach ELISA-Ergebnissen oder 3D-Strukturen von Antikörper-Antigen- Komplexen) angeben, die genaue MHC-Restriktion oder eine stärker eingeschränkte Krankheitskategorie (z.B. Asthma anstelle von allergischen Erkrankungen). Die Suchfelder sind mit einem Finder-Tool verknüpft, das eine Liste hierarchisch klassifizierter Suchbegriffe zur Auswahl anzeigt (z.B. 3D-Struktur hat Unterkategorien wie Kristallographie oder NMR). Suchergebnisse für spezifische Antigene lassen sich mit dem Immunone-Browser-Tool analysieren. Das Tool erzeugt einen Plot mit der Anzahl positiver und negativer Assays sowie der Häufigkeit positiver Reaktionen jeder Aminosäure in der Antigensequenz. Zur Abbildung der Lokalisation der Epitope dient das Epitope-Viewer-Tool, eine Java-Anwendung zur Darstellung von 3D-Strukturen. Die IEDB-Website bietet außerdem noch verschiedene Tools für die Vorhersage und Analyse von Epitopen an, die auch auf Suchergebnisse angewendet werden können.

Die Anwendungsmöglichkeiten der IEDB in der Allergieforschung wurden in einer Übersichtsarbeit beschrieben [38]. Mit Stand vom März 2017 enthielt die IEDB Daten zu mehr als 8000 Peptid-Epitopen von mehr als 300 Allergenen. Epitopdaten sind von entscheidender Bedeutung für verschiedene Bereiche der Allergieforschung und der Entwicklung klinischer Anwendungen. Die epitopbasierte Diagnose könnte genauere Ergebnisse hinsichtlich der Korrelation mit der Schwere der Symptome [39], der Vorhersage klinischer Kreuzreaktivität [40] und der Prognose der Persistenz bzw. des Verschwindens von Nahrungsmittelallergien bei Kindern [41 ]liefern. Peptidbasierte allergenspezifische Immuntherapien können mit immundominanten T-Zell-Epitopen [42,43], nicht-IgE-bindenden B-Zell-Epitopen [44] oder Mimotopen - Peptidprodukten, die konformationelle IgE-Epitope nachahmen [45] - als Vakzinen durchgeführt werden. Die Kenntnis der IgE-Epitope ist auch der Schlüssel zur Entwicklung hypoallergener Allergenderivate [46,47,48]. Die Entwicklung von IgG- und IgE-Epitop-Spezifitäten im Behandlungsverlauf zu beobachten kann außerdem helfen, das Ergebnis einer klassischen extraktbasierten Immuntherapie vorherzusagen [49,50]. Die Charakterisierung des Epitopprofils einer spezifischen Allergenquelle, die von T-Zellen erkannt wird, kann zudem dazu beitragen, die Dynamik der allergischen Immunantwort besser zu verstehen und Biomarker oder Therapieziele für eine spezifische Immuntherapie zu identifizieren. Mit einem immunproteomischen Foschungsansatz haben Schulten et al. [51] bei Patienten mit Gräserpollenallergie einen überraschend hohen Anteil an T_H2-Zellen gefunden, die Peptide nicht-IgE-bindender Wiesenlieschgras-Proteine erkannten. Darüber hinaus korrelierte die Erkennung einiger dieser neuartigen T-Zell-Antigene mit den Behandlungsergebnissen der gräserpollenspezifischen Immuntherapie.

Nach der Identifizierung von Hunderten von Allergenen aus Dutzenden von Quellen wurde offensichtlich, dass viele Allergene evolutionär miteinander verwandt sind und Ähnlichkeiten in den Sequenzen, Strukturen, physikalisch-chemischen Eigenschaften und biochemischen Funktionen aufweisen. Der Fortschritt in der Bioinformatik ermöglichte die Klassifizierung der Allergene in Proteinfamilien. Verschiedene Wissenschaftler unternahmen dies mit unterschiedlichen Methoden, gelangten aber zu ähnlichen Ergebnissen [12,15,52,53,54]. Es stellte sich heraus, dass die meisten Allergene einer überraschend kleinen Anzahl von Proteinfamilien angehören. Dabei darf man jedoch nicht vergessen, dass auch in Proteinfamilien, die Allergene enthalten, die meisten Mitglieder nicht-allergen sind. Die Nachfrage vieler Allergieforscher und Kliniker nach einer einfachen Schnittstelle zur Proteinfamilienklassifikation der Allergene nahm der Autor des vorliegenden Artikels zum Anlass und richtete 2007 die AllFam-Datenbank der Allergenfamilien ein (www.meduniwien.ac.at/allfam/ [55]).

AllFam basierte ursprünglich auf den Allergendaten aus Allergome. 2016 erfolgte ein großer Relaunch der Datenbank. Seitdem bezieht AllFam seine Allergendaten aus der WHO/IUIS Allergen Nomenclature Database, ergänzt durch Nicht-IUIS-Einträge aus AllergenOnline. Die Allergensequenzen werden den Proteinfamilien zugeordnet, indem sie mit Familiendefinitionen aus der Pfam-Datenbank (pfam.xfam.org) abgeglichen werden. Pfam ist eine der größten Proteinfamilien-Datenbanken; Version 30.0 vom Juni 2016 enthält 16 306 Einträge [32]. Die Pfam-Familien basieren auf manuell kuratierten Sequenzvergleichen repräsentativer Familienmitglieder.

Die AllFam-Version vom 7. März 2017 ordnet die Allergene in 151 AllFam-Familien ein, die auf 216 Pfam-Domänen basieren. Die AllFam-Familien werden definiert, indem mehrere Pfam-Domänen so zusammengeführt werden, dass jedes Allergen Mitglied einer einzigen AllFam-Familie ist und dass alle verwandten Allergene derselben Familie zugeordnet sind. Dies gilt für die einzelnen Pfam-Domänen von Multidomänen-Proteinen sowie Gruppen von Pfam-Familien, die hochgradig divergente Proteinfamilien repräsentieren, die nicht von einer einzigen Pfam-Familie abgedeckt werden können.

Die Benutzeroberfläche von AllFam hat eine Browsing-Funktion zum Durchsuchen der Datenbank über die Auflistung der Allergenfamilien gefiltert nach Gruppen von Allergenquellen (Pflanzen, Tiere, Pilze, Bakterien), Expositionsweg (Inhalation, Ingestion usw.) und Anerkennung durch das WHO/IUIS Allergen Nomenclature Sub-Committee. Mit den gleichen Optionen lassen sich die allergenen Mitglieder jeder Familie auflisten und filtern. Darüber hinaus kann man die Datenbank nach Allergennamen, Quellen, Namen von Proteinfamilien, Proteinfamilien-Zugangsnummern (sowohl aus AllFam als auch aus Pfam) und Schlüsselwörtern durchsuchen. Jedes Allergen ist mit den entsprechenden Datensätzen in der WHO/IUIS-Datenbank und in AllergenOnline verknüpft. Zu jeder AllFam-Familie gibt es eine Familienbeschreibung mit kurzen Zusammenfassungen der biochemischen Eigenschaften und der allergologischen Bedeutung ihrer allergenen Mitglieder, einer Liste ausgewählter wichtiger Literaturverweise und Verknüpfungen zu den entsprechenden Pfam-Datensätzen und Wikipedia-Einträgen.

Die Klassifikation von Proteinfamilien in AllFam kann zur Klärung der Frage herangezogen werden, welche Faktoren für die Allergenität bestimmter Proteine verantwortlich sind. Wir verglichen die Anzahl der Pfam-Domänen in Allergenen mit einer gleich großen Stichprobe zufällig ausgewählter Sequenzen und konnten zeigen, dass die Zahl der Proteinfamilien, die Allergene enthielten, signifikant geringer war als die in den zufälligen Stichproben [55]. Das sprach für die Hypothese, dass Allergene besondere Merkmale aufweisen und nicht jedes Protein zum Allergen werden kann. Darüber hinaus ergab eine biochemische Klassifikation von Allergenen, die durch Verknüpfung von Pfam-Familien mit der Gene Ontology Database erfolgte [56,57], eine noch enger begrenzte Verteilung der Allergene. Der Großteil der Allergene waren Hydrolasen (Proteasen, Lipasen und Polysaccharidhydrolasen), metall- oder lipidbindende Proteine, Speicherproteine oder Bestandteile des Zytoskeletts [55]. AllFam wurde auch verwendet, um Sequenzähnlichkeiten von Allergenen und Parasitenantigenen zu analysieren. Tyagi et al. [58] verglichen die Verteilung der Pfam-Proteinfamilien von Allergenen und Proteinen aus Metazoan-Parasiten. Sie stellten fest, dass fast die Hälfte der mehr als 2000 analysierten Parasitenproteine Mitglieder der 10 wichtigsten Allergenfamilien laut AllFam waren. Die Autoren gelangten zu der Schlussfolgerung, dass die IgE-Antwort, die sich unter dem Selektionsdruck des Parasitenbefalls entwickelt hat, sich möglicherweise auf bestimmte nicht-parasitäre Proteine ausweiten kann, wenn diese einem Parasiten-Antigen ähnlich sind. In einer Folgestudie überprüfte dieselbe Arbeitsgruppe diese Hypothese, indem sie 13 rekombinante Proteine aus Schistosoma mansoni auf die Bindung von Antikörpern aus dem Serum von S. mansoni-infizierten Patienten testete [59]. Alle 9 Proteine, bei denen aufgrund ihrer AllFam-Allergenfamilienzugehörigkeit Antigenität prognostiziert worden war, zeigten IgE-Bindung in mindestens 10% der getesteten Seren. Hingegen zeigten nur 2 der 5 getesteten häufigen S.-mansoni-Proteine ohne allergene Homologe eine IgE-Bindung. Bemerkenswerterweise wurden Homologe eines dieser IgE-bindenden Antigene, Aldolasen, kürzlich als kreuzreaktive Allergene in Fisch und Hühnerfleisch beschrieben [60].

Die 6 Datenbanken, die in der vorliegenden Übersichtsarbeit vorgestellt werden, sind die meistgenutzten Ressourcen für Allergendaten. Die WHO/IUIS-Datenbank ist die Quelle der offiziellen Allergennomenklatur. Ein großer Teil der in den anderen Datenbanken erfassten Allergene stammt aus der WHO/IUIS-Datenbank. Allergome ist die umfassendste Datenbank; sie enthält Verknüpfungen zu vielen anderen Ressourcen sowie leistungsstarke Funktionen für Literaturrecherchen. Bei Allergome gelten keine strengen Kriterien für die Aufnahme von Allergenen; hier ist es also am Nutzer, die allergene Bedeutung der in der Datenbank enthaltenen Proteine zu beurteilen. AllergenOnline ist als Peer-Review-Allergensequenz-Datenbank angelegt, anhand derer sich die Allergenität von Proteinen prognostizieren lässt. Der Fokus der SDAP liegt auf Allergenstrukturen und Epitopen; die Datenbank enthält Verknüpfungen zu vielen anderen Datenbanken und Bioinformatik-Tools. Allerdings scheint die SDAP seit 2013 nicht mehr aktualisiert zu werden. Die IEDB ist die größte Sammlung von Epitopdaten aus allen Bereichen der Immunologie, einschließlich der Allergologie. Allfam bietet eine einfache Schnittstelle zum Durchsuchen der Proteinfamilien-Klassifizierung von Allergenen.

Zusätzlich zu den hier vorgestellten Ressourcen stehen noch weitere, weniger gebräuchliche Datenbanken zur Verfügung, z.B. die Informall Food Allergen Database (research.bmh.manchester.ac.uk/informall/allergenic-foods/ [61]), die Allergen Database for Food Safety (allergen.nihs.go.jp/ADFS/) und AllAllergy (allallergy.net). Weitere Datenbanken wurden in der Vergangenheit eingerichtet, existieren aber heute nicht mehr. Die noch vorhandenen Datenbanken werden von der Fachwelt rege genutzt und sehr geschätzt, sind aber auch mit verschiedenen Herausforderungen konfrontiert. Angesichts der ständig wachsenden Zahl neuer Publikationen zu Allergenen wird es immer aufwendiger, die Datenbanken zeitnah auf dem aktuellen Stand zu halten und dabei eine angemessene Datenqualität zu gewährleisten. Die Betreiber der Datenbanken werden künftig höchstwahrscheinlich stärker auf automatisiertes Data-Mining und Text-Mining-Software zurückgreifen. Die manuelle Kuratierung durch Experten für molekulare Allergologie wird jedoch auch weiterhin unverzichtbar sein. Darüber hinaus müssen mehr Ressourcen für technische Fachleute aufgebracht werden, um steigenden Anforderungen an die Internetsicherheit gerecht zu werden und intuitive Benutzeroberflächen zu erstellen, die es auch Wissenschaftlern mit wenig Erfahrung in der Bioinformatik ermöglichen, aus der stetig wachsenden Datenmenge gezielt bestimmte Informationen abzurufen.