综述：计算策略与临床应用在肿瘤新抗原发现中以实现精准癌症免疫治疗

这篇综述系统梳理了肿瘤特异性新抗原（neoantigen）在精准免疫治疗中的关键作用，重点探讨了基于高通量测序（NGS）、质谱（MS）和人工智能（AI）的预测算法发展，并详细阐述了新抗原在个性化癌症疫苗（CVs）、过继性细胞疗法（ACT）和双特异性抗体（bsAbs）中的临床应用。文章创新性地整合了HLA-肽-TCR结合预测模型（如Transformer架构的TransPHLA、胶囊神经网络的CapsNet-MHC），为开发通用新抗原（如融合基因CLDN18-ARHGAP衍生的胃癌靶点）提供了多组学视角。

　　

新抗原的来源与生成机制

肿瘤特异性新抗原源于恶性细胞在癌变过程中产生的独特肽段，能通过T细胞引发免疫反应。根据起源可分为基因组变异、转录组失调和蛋白质修饰三大类。

基因组层面，体细胞突变是新抗原主要来源，包括：

• 单核苷酸变异（SNVs）：在非小细胞肺癌等TMB^高肿瘤中富集，如PIK3CA突变
• 插入缺失（INDELs）：导致移码肽（FSPs），在微卫星不稳定（MSI-H）肿瘤中形成共享抗原
• 基因融合：如肝纤维板层癌的DNAJB1-PRKACA融合基因
• 结构变异（SVs）：CLDN18-ARHGAP融合基因成为胃癌治疗靶点

转录组层面，RNA异常调控产生新型抗原：

• 可变剪接：胶质瘤中circBIRC6环状RNA编码新抗原
• RNA编辑：ADAR介导的A-to-I编辑产生肝细胞癌抗原
• 非经典转录本：SYT-SSX融合基因在滑膜肉瘤中触发TCR-T反应

蛋白质层面，翻译后修饰（PTMs）创造免疫原性表位：

• 蛋白酶体剪接肽：黑色素瘤中发现的顺式/反式剪接肽
• 磷酸化/瓜氨酸化修饰：乳腺癌磷酸化表位通过PROMISE平台鉴定

新抗原预测技术进展

预测流程包含三大关键步骤：

HLA分型技术
OptiType和HISAT-genotype通过RNA-seq数据实现高精度分型，其中HLA-I分子（HLA-A*02:01等）偏好结合8-10氨基酸肽段，P2/P9为关键锚定位点；HLA-II分子（如HLA-DRB1）则识别13-18氨基酸的核心9肽。

肽-HLA结合预测

• 传统工具：NetMHCpan4.1和MixMHCpred基于质谱（MS）洗脱配体数据
• 深度学习：STMHCpan采用星型Transformer架构，BigMHC整合蛋白语言模型
• 创新算法：ConvNeXt-MHC利用结构衍生 degenerate编码

TCR-pHLA互作预测

• 序列模型：TULIP通过自然语言处理（NLP）提升未知肽段泛化能力
• 结构模型：DeepAIR融合CDR3β三维构象
• 多模态模型：PISTE的滑动注意力机制同步量化HLA-抗原-TCR三元作用

临床应用突破

个性化疫苗
mRNA-4157疫苗联合PD-1抑制剂使黑色素瘤远端转移风险降低65%。Cevumeran（BNT122）在胰腺癌中诱导71%患者产生CD8⁺T细胞反应。

过继细胞疗法

• TCR-T：靶向TP53 R175H突变肽的工程化T细胞
• CAR-T：CD19定向疗法在白血病中取得突破

双特异性抗体
NPM1/HLA-A*02:01复合物特异性bsAb成功治疗急性髓系白血病（AML）

挑战与机遇

数据库建设
NeoTCR收录3,487个已验证新抗原-TCR对，TCR3d 2.0提供结构互作参数（如交叉角）。但现有数据存在：

• 样本偏差：85%数据来自欧美人群
• 验证缺口：仅12%剪接衍生新抗原经ELISpot确认

算法优化方向

• 解决过拟合：Panpep通过元学习提升未知肽预测
• 多组学整合：Graph-pMHC结合AlphaFold2预测MHC-II呈递

临床转化瓶颈

• 冷肿瘤难题：胶质瘤等低TMB肿瘤需依赖RNA编辑抗原
• 成本控制：单个TCR-T疗法开发成本超$500,000

该领域正向"通用型新抗原"方向发展，如KRAS G12D突变肽在胰腺/结直肠癌中的跨癌种应用。随着单细胞测序和空间转录组技术的成熟，新抗原发现正进入单细胞精度时代。