近日，《表型组学》（Phenomics）在线发表了哥斯达黎加大学微生物学院Jose Arturo Molina-Mora题为“In Silico Pipeline to Identify Tumor-Specific Antigens for Cancer Immunotherapy Using Exome Sequencing Data”的研究论文。

原文pdf链接：

https://link.springer.com/content/pdf/10.1007/s43657-022-00084-9.pdf

原文 DOI 链接：https://doi.org/10.1007/s43657-022-00084-9

引用格式：

Morazán-Fernández, D., Mora, J. & Molina-Mora, J.A. In Silico Pipeline to Identify Tumor-Specific Antigens for Cancer Immunotherapy Using Exome Sequencing Data. Phenomics 3, 130–137 (2023). https://doi.org/10.1007/s43657-022-00084-9

肿瘤特异性抗原是一种只在癌细胞而不在健康细胞中表达的肽类。其中的一些分子可以诱发免疫反应，因此，在基于癌症疫苗的免疫治疗策略中，肿瘤特异性抗原的鉴定已被广泛应用。随着高通量DNA测序技术的成熟，基于肿瘤特异性抗原检测等方法的研究也在逐步开展。然而，目前并没有通用或直接的生物信息学操作手册来指导使用DNA测序数据发现新抗原的过程。

图1 肿瘤疫苗中肿瘤抗原的鉴定

本文提出了一个生物信息学方面的操作手册，以检测肿瘤组织中与单核苷酸变异（SNVs）或与突变相关的肿瘤特异性抗原。本研究使用公开的数据来建立模型，这包括从一个病例中获得的结直肠癌和健康细胞的外显子测序数据，以及特定人群中频繁出现的人类白细胞抗原（HLA）I类等位基因。HLA数据样本来源于哥斯达黎加中央山谷人群。

研究策略共包括三个主要步骤：(1) 预处理测序数据；(2) 突变体识别分析，以检测与健康组织相比的肿瘤特异性SNV；(3) 在它们与所选人群的频繁等位基因亲和的背景下，预测和表征由突变体衍生的肽，包括蛋白质片段、肿瘤特异性抗原。

图2 用于鉴定结直肠癌原发性和转移性肿瘤样本中的肿瘤抗原的生物信息学流程

在本研究的模型数据中，作者发现了28个非沉默的SNVs，存在于一号染色体的17个基因中。本操作流程发现了23个强结合肽，这些强结合肽来自于哥斯达黎加人口经常出现的HLA I类等位基因的SNVs。本研究是首个在HLA等位基因背景下利用DNA测序数据进行的癌症疫苗研究。研究表明，标准化的操作手册不仅能够识别特定的新抗原，而且还为使用最佳生物信息学实践最终设计癌症疫苗提供了一个完整的流程。

作者介绍

Jose Arturo Molina Mora 博士，哥斯达黎加大学，微生物学院，主要研究方向为生物信息学与系统生物学等。已有研究主要针对铜绿假单胞菌、艰难梭菌以及新冠病毒等的基因组、转录组、蛋白组。

Jose Arturo Molina Mora 博士

Phenomics期刊简介

Phenomics是一本新创的同行评审国际期刊，聚焦表型组学前沿研究，搭建全球表型组学领域专家交流的国际平台，推动该领域相关的理论创新和学科发展。

本期刊拥有强大的国际编委团队，复旦大学金力院士担任主编，美国系统生物学研究所Leroy Hood院士、澳大利亚莫道克大学Jeremy Nicholson院士、德国莱布尼兹环境医学研究所Jean Krutmann院士、复旦大学唐惠儒教授共同担任副主编，复旦大学丁琛教授担任执行主编，另有来自全球多国的三十多位著名科学家共同组成编委团队，以及四十多位青年科学家组成青年编委团队。

我们诚挚地邀请广大科研人员投稿！

Phenomics官网：https://www.springer.com/journal/43657

投稿链接：https://www.editorialmanager.com/pnmc/

编辑部邮箱：phenomics@ihup.org.cn、phenomics@fudan.edu.cn

欢迎关注Phenomics官方公众号

文章来源：人类表型组计划公众号