ネオアンチゲン予測において擬似配列は重要か？

科学分野:

• 免疫情報学
• 計算生物学
• がん免疫学

背景:

• 個別化がんワクチンは、T細胞応答を誘発するネオアンチゲンを予測することに依存しています。
• 現在の方法ではMHCクラスI擬似配列がしばしば使用されますが、その最適な定義とエンコーディングは不明確です。

研究 の 目的:

• ネオアンチゲン予測のためのさまざまな主要組織適合遺伝子複合体（MHC）クラスI表現を体系的に評価すること。
• 構造ベース、進化的、ランダム、およびさまざまな長さを含む擬似配列戦略と、タンパク質言語モデルおよびグラフアノテーションからの埋め込みを比較すること。

主な方法:

• BigMHC ELフレームワークを使用して、さまざまなMHCアレル表現を評価しました。
• 構造、進化的多様性などの生物学的に情報に基づいた擬似配列のパフォーマンスを、ランダムベースラインおよびさまざまな長さと比較しました。
• ESM-2タンパク質言語モデルおよびグラフベースアノテーションからの埋め込みのパフォーマンスを評価しました。

主要な成果:

• 生物学的に情報に基づいた擬似配列は、ランダムベースラインを大幅に上回りました。
• 30～35残基の擬似配列が最適な予測パフォーマンスをもたらしました。
• 構造と進化的多様性の擬似配列は同様のパフォーマンスを示し、残基の重要性が重複していることを示唆しています。
• ESM-2およびアノテーション埋め込みは、ランダムよりも改善を示しましたが、キュレーションされた擬似配列よりも改善しませんでした。

結論:

• キュレーションされた擬似配列は、現在、ネオアンチゲン予測モデルにとって最も効果的なMHC表現です。
• 代替エンコーディングは有望ですが、残基レベルの配列情報の予測力をまだ置き換えるものではありません。