机器学习方法和统一的数据集改善了免疫性新抗原预测
Markus Müller1, Florian Huber2, Marion Arnaud2
1Ludwig Institute for Cancer Research, University of Lausanne, Agora Center Bugnon 25A, 1005 Lausanne, Switzerland; Department of Oncology, Centre hospitalier universitaire vaudois (CHUV), Rue du Bugnon 46, 1005 Lausanne, Switzerland; Agora Cancer Research Centre, 1011 Lausanne, Switzerland; SIB Swiss Institute of Bioinformatics, Quartier Sorge, Bâtiment Amphipôle, 1015 Lausanne, Switzerland.
Immunity
|October 10, 2023
概括
识别免疫新抗原是癌症免疫治疗的关键. 这项研究发现,新抗原的位置,结合能力和基因功能预测了免疫性,提高了新抗原的选择率30%.
科学领域:
- 免疫学 免疫学 免疫学
- 在瘤学瘤学.
- 生物信息学是一种生物信息学.
背景情况:
- 准确的新抗原选择对于有效的癌症免疫疗法管道至关重要.
- 新抗原必须与人类白细胞抗原 (HLA) 类I结合,并被T细胞识别.
研究的目的:
- 为了确定超越标准指标的新抗原免疫性预测特征.
- 开发和验证机器学习分类器,以改善新抗原排名.
主要方法:
- 重新处理了来自131名癌症患者的全外体测序和RNA测序数据.
- 结合外部查分析与内部数据集.
- 确定了体质突变,新,并评估了免疫性.
主要成果:
- 确定了46,017个体质单核酸变异突变和1,781,445个新.
- 证实了212个突变和178个新是免疫原性的.
- 在HLA呈现热点中的新位,结合性乱交和瘤性是免疫性预测的因素.
结论:
- 机器学习分类器准确地预测了跨数据集的新抗原免疫性.
- 开发的方法提高了新抗原排名高达30%.
- 为开发和基准测试基于新抗原的免疫疗法算法提供了有价值的同质化数据集.
