¿Importan las pseudosecuencias en la predicción de neoantígenos?

Área de la Ciencia:

• Inmunoinformática
• Biología computacional
• Inmunología del cáncer

Sus antecedentes:

• Las vacunas personalizadas contra el cáncer dependen de la predicción de neoantígenos que desencadenan respuestas de las células T.
• Los métodos actuales a menudo utilizan pseudosecuencias del CMH de clase I, pero su definición y codificación óptimas no están claras.

Objetivo del estudio:

• Evaluar sistemáticamente diferentes representaciones del complejo mayor de histocompatibilidad (CMH) de clase I para la predicción de neoantígenos.
• Comparar estrategias de pseudosecuencias, incluidas las basadas en estructura, evolutivas, aleatorias y de diferentes longitudes, junto con incrustaciones de modelos de lenguaje de proteínas y anotaciones de grafos.

Principales métodos:

• Se utilizó el marco BigMHC EL para evaluar varias representaciones de alelos del CMH.
• Se comparó el rendimiento de las pseudosecuencias biológicamente informadas (diversidad estructural, evolutiva) frente a líneas de base aleatorias y longitudes variables.
• Se evaluaron las incrustaciones del modelo de lenguaje de proteínas ESM-2 y las anotaciones basadas en grafos.

Principales resultados:

• Las pseudosecuencias biológicamente informadas superaron significativamente a las líneas de base aleatorias.
• Las pseudosecuencias de 30-35 residuos produjeron un rendimiento predictivo óptimo.
• Las pseudosecuencias de diversidad estructural y evolutiva tuvieron un rendimiento similar, lo que sugiere una importancia superpuesta de los residuos.
• Las incrustaciones de ESM-2 y anotación mostraron una mejora con respecto a las aleatorias, pero no con respecto a las pseudosecuencias curadas.

Conclusiones:

• Las pseudosecuencias curadas son actualmente las representaciones del CMH más eficaces para los modelos de predicción de neoantígenos.
• Si bien las codificaciones alternativas son prometedoras, aún no reemplazan el poder predictivo de la información de la secuencia a nivel de residuo.