MARS是一种改进的新候选人选择方法,用于癌症中非正规抗原标发现
Hanqing Liao1,2, Carolina Barra3, Zhicheng Zhou4
1The Jenner Institute, University of Oxford, Oxford, OX3 7BN, UK.
Nature communications
|January 22, 2024
概括
这项研究介绍了MARS,这是一种用于识别癌症中非正规的人类白细胞抗原 (HLA) 的机器学习模型. 火星改善了新型癌症特异性抗原的发现,用于下一代免疫疗法.
科学领域:
- 免疫学 免疫学 免疫学
- 在瘤学瘤学.
- 蛋白质组学是指蛋白质组学
背景情况:
- 瘤中非正规的人类白细胞抗原 (HLA) 呈现对于癌症免疫疗法点发现至关重要.
- 目前的方法缺乏对这些非正规的全面识别.
研究的目的:
- 开发和验证一种新的计算策略,用于检测癌症中的非正规MHC相关.
- 从原发性瘤组织中识别出新的免疫原性序列.
主要方法:
- 使用 de novo 质谱测序与以MHC为中心的分析策略.
- 集成的MHC绑定等级,信心评分和保留时间预测.
- 开发了用于候选人选择和验证的机器学习模型MARS.
主要成果:
- 与单独进行 de novo 测序相比,高质量的光谱分配几乎提高了两倍.
- 通过逐步序映射策略,证明了超过85.7%的估计准确性.
- 在使用MARS.成功检测和验证了人类子宫瘤中的IncRNA衍生.
结论:
- 火星显著提高了特定于癌症的非正规的识别.
- 开发的策略适用于发现用于癌症免疫治疗的初级瘤组织中的新型免疫原蛋白标.
