[发明专利]利用肽序列及HLA等位基因序列来预测新生抗原的方法及计算机程序

说明书

本发明公开了一种利用肽序列及HLA等位基因序列来预测新生抗原的方法，包括如下步骤：接收从对象癌组织提取的肽序列和HLA等位基因序列作为输入；从肽序列获得T细胞活性数据，并且将T细胞活性数据输入到免疫性预测模型，从而输出对肽序列的免疫性进行预测的第一预测值；从HLA等位基因序列获得结合数据，并且将结合数据输入到结合性预测模型，从而输出对肽序列及HLA等位基因序列的结合性进行预测的第二预测值；将T细胞活性数据及结合数据输入到免疫耐受性预测模型，并输出预测对象癌组织的免疫耐受性的第三预测值；以及利用T细胞活性数据及第一预测值至第三预测值来生成对象细胞的新生抗原信息。

技术领域

本发明涉及一种利用肽序列及HLA等位基因序列来预测新生抗原的方法及计算机程序。

背景技术

由于抗癌新药物开发的发展，经过第一代抗癌剂的化学抗癌剂、第二代靶向抗癌剂，最近第三代免疫抗癌剂备受瞩目。特别是第三代免疫抗癌剂与之前的抗癌剂不同，是利用患者自身的免疫系统的治疗战略，因此具有副作用明显较低的优点。但是，尽管有这些优点，但限于只有表现出PD-L1等标志基因及微卫星不稳定(MSI-H)的患者才能制定利用免疫抗癌剂的治疗策略。由于这种制约，需要制定用于治疗难以注射现有抗癌剂的患者的策略，并且作为对策之一提出来的就是利用新生抗原的癌症疫苗。各患者的癌组织中存在在正常组织中未发现的突变，通过利用来源于这种突变的肽作为新生抗原来使患者的免疫系统能够识别和攻击相应的新生抗原是癌症疫苗的核心战略。在此过程中，首先必须得到解决的过程是第一，突变衍生肽和患者特异性HLA等位基因之间的稳定结合；第二，确认该突变衍生肽是否具有很好刺激患者免疫系统的免疫原性。特别是，为了最大限度地反映免疫原性，需要模仿免疫原性发生的所有步骤，并且提取主要特征，但在此过程中可能会发生遗漏或消失的步骤，这一点以后可能会对免疫原性预测起到局限性作用。

于此，本技术想要实现一种策略，该策略基于迄今为止已知的具有免疫原性的肽和MHC(人的情况为HLA)序列的组合数据来防止免疫过程的遗漏并提取主要特征。另外，想通过分别对与作为新生抗原的HLA的结合力、肽序列自身的免疫原性、虽有结合力但不诱导免疫的免疫耐受性进行建模来导出可适用于患者的新生抗原。以上背景技术作为发明者为了导出本发明而拥有的或在导出本发明的过程中掌握的技术信息，并不一定是在本发明的申请前向一般公众公开的公知技术。

发明内容

本发明是根据上述的必要性而提出的，其目的在于，一方面，将患者癌组织内存在的突变衍生肽序列与患者特异性HLA相结合，另一方面，经过一系列的免疫过程，最终预测显示免疫原性，并以此为基础决定可用于癌症患者定制型癌症疫苗的新生抗原。

根据本发明的实施例的利用肽序列及HLA等位基因序列来预测新生抗原的方法，可包括如下步骤：接收从对象癌组织提取的肽序列和HLA等位基因序列作为输入；从肽序列获得T细胞活性数据，将T细胞活性数据输入到免疫性预测模型，从而输出对肽序列的免疫性进行预测的第一预测值；从HLA等位基因序列获得结合数据，将结合数据输入到结合性预测模型，从而输出对肽序列及HLA等位基因序列结合性进行预测的第二预测值；将T细胞活性数据及结合数据输入到免疫耐受性预测模型，输出预测对象癌组织的免疫耐受性的第三预测值；以及利用T细胞活性数据及第一预测值至第三预测值来生成对象细胞的新生抗原信息。

免疫性预测模型、结合性预测模型及免疫耐受性预测模型中的至少一个是可以以训练数据组为基础并根据机械学习算法训练的，训练数据组包括存在于多个对象癌组织的肽序列及HLA等位基因序列。

对象癌组织可包括操纵的细胞，以便表达单一MHC I类或II类等位基因。

对象癌组织可包括从多个患者获得或来源于多个患者的人类细胞。

对象癌组织可包括从多个患者获得的新鲜的或者冷冻的肿瘤细胞。

对象癌组织可包括从多个患者获得的新鲜的或冷冻的组织细胞。

对象癌组织可包括使用T-细胞分析来确认的肽。