CN119446264A 一种恶性实体肿瘤的新抗原预测方法及系统 （天津市肿瘤医院空港医院）

一种恶性实体肿瘤的新抗原预测方法及系统体公开了一种恶性实体肿瘤的新抗原预测方法2根据所述肿瘤样本DNA和外周血样本DNA，分别构建携带UMI标签的测序文库并进行外步骤3.1：根据外周血样本的DNA测序数据，采用HLA_HD和Polysolver软件进行HLA分5.如权利要求1或4所述的一种恶性实体肿瘤Pm表示突变肽与MHCI结合亲和力在8个以BA为模型的软件中预测Rank值小于2的占3为SMM、SMMPMBEC、NetMHC_4、NetMHCcons、MHCnuggets、PDm表示突变肽与人类能够作为免疫原或识别抗原的正常蛋白序列之PRm表示突变肽与MHCI类结合复合物被TCR识别的可能性7.如权利要求5所述的一种恶性实体肿瘤的新抗原预型结果和突变蛋白的序列，使用NetChop软件预测每个突变肽序列被蛋白酶体切割产生的根据HLA分型结果和突变蛋白的序列，采用8个以BA为模型的软件和2个EL为模型的软根据HLA分型结果和突变蛋白的序列，采用8个以BA为模型的软件和2个EL为模型的软预测Rank值小于2的占比，以及结合亲和力在2个EL为模型的软件中预测Rank值小于等于2根据HLA分型结果和突变蛋白的序列，采用Netmhcstabpan计算每种突变肽与MHCI之根据HLA分型结果和突变蛋白的序列，采用PRIME软件计算每种突变肽与每种MHCI类根据HLA分型结果和突变蛋白的序列，采用antigen.garnish软件分别计算突变肽与9.如权利要求6或7所述的一种恶性实体肿瘤的新抗原预测方法，其特征在于，步骤54变蛋白的序列；5[0003]新抗原是激活和引导T细胞识别和攻击肿瘤细胞的关键因素。由于新生抗原是由抗原的特异性T细胞。肿瘤新生抗原因其独特的肿瘤特异性而被广泛视为有潜力的治疗靶重复地识别出能够激发肿瘤特异性免疫反应的新[0006]基于TESLA(TumorEpitopeSeLectionAlliance)研究KeyParametersofTumorEpitopeImmunogenicityRevealedThroughaConsortium核苷酸位点变异)以及Sindel(体细胞小片段插入和缺失变异)的检出，缩小了新抗原的筛6根据所述肿瘤样本DNA和外周血样本DNA，分别构建携带UMI标签的测序文库并进量值小于15占比超过总碱基数40%及以上的reads；对测序reads含有测序接头序列的进行基因组参考序列的比对为使用BWA软件进行序列结果与人类参考基因组hg19的比完成UMI检测以及比对数据去重的分析后,使用GATK软件对测序reads进行碱基矫7Pm表示突变肽与MHCI结合亲和力在8个以BA为模型的软件中预测Rank值小于2的Dm表示突变肽与人类能够作为免疫原或识别抗原的正常蛋白序列之间的差异程PRm表示突变肽与MHCI类结合复合物被TCR识别的可能性根据HLA分型结果和突变蛋白的序列，采用8个以BA为模型的软件和2个EL为模型根据HLA分型结果和突变蛋白的序列，采用8个以BA为模型的软件和2个EL为模型根据HLA分型结果和突变蛋白的序列，采用Netmhcstabpan计算每种突变肽与MHC根据HLA分型结果和突变蛋白的序列，采用PRIME软件计算每种突变肽与每种MHC其中，表示野生肽与MHCI类结合亲力的最终的亲和力值，表示突变肽与81.本发明从新抗原的作用机制出发，从新抗原被蛋白酶体切割的可能性到它与9可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组根据所述肿瘤样本DNA和外周血样本DNA，分别构建携带UMI标签的测序文库并进序结果和肿瘤样本RNA测序结果。即DNA测序结果包括外周血样本DNA测序结果和肿瘤样本量值小于15占比超过总碱基数40%及以上的reads；对测序reads含有测序接头序列的进行[0032]基因组参考序列的比对为使用BWA软件进行序列结果与人类参考基因组hg19的比列的比对后，还需要完成UMI检测以及比对数据去重的分析,以及使用GATK软件对测序[0035]即步骤2中得到的DNA测序数据包括外周血样本的DNA测序数据和肿瘤样本的DNA该突变对应的野生肽的序列。突变蛋白的序列中有引起蛋白序列变化的所有突变（SNV、[0045]（2）多肽序列与HLA结合亲和力是多肽序列能否产生免疫原性的一个非常重要的和Pm。本实施例中，8个以BA为模型的软件为SMM、SMMPMBEC、NetMHC_4、NetMHCcons、MHCnuggets、PickPoket、MHCflurry(BA)和NetMHCpan(BA)；2个EL为模型的软件为MHCflurryEL和NetMHCpa[0046]根据HLA分型结果和突变蛋白的序列，采用8个以BA为模型的软件和2个EL为模型其中，表示野生肽与MHCI类结合亲力的最终的亲和力值，表示突变肽与尤其是HLA亚型的人群占比不同所涉及的研究深度以及参考数据集大小不同等因素的影不同的模型预测的软件的支持率之和来表征该多肽与HL[0049]根据HLA分型结果和突变蛋白的序列，采用8个以BA为模型的软件和2个EL为模型antigen.garnish软件分别计算突变肽与IEDB中已知抗原的相似度，以及突变肽与已知的[0055]本实施例选择的7个新抗原相关特征值，已经在一些研究中单独的被提及与新抗在TESLA研究中，通过用HLA_I肽多聚体标记受试者匹配的TIL或外周血单核细胞(PBMC)来确定所选新肽的免疫原性。本实施例收集了TESLA研究验证有效的31条新抗原多肽，有3条新抗原多肽未收集到。并使用文献Müller,M.etal.Machinelearningmethodsandharmonizeddatasetsimproveimmunogenicneoantigenprediction.Immunity56,2650_2663.e2656(2023)提供的TESLA研究的3例人肺癌样本（TESLA2、中相同的筛选标准，筛选结果如表1和表2所示。在所筛选的新抗原中，有23条新抗原是