《Computational Biology and Chemistry》：Neoepitope Prediction Integrated with DNA Repair Gene Profiling for Precision Oncology
编辑推荐：
从1,419个DNA修复基因突变中预测出33,405个错义新表位六分之一的肽是由多个父系突变产生的836个枢纽肽（均属于TP53）形成了一个重尾但不符合幂律分布的网络排名主要受肽共享和基因优先级的影响，而非亲和力严格的筛选程序保留了73个I类肽和127个II类候选肽引言DNA修复
从1,419个DNA修复基因突变中预测出33,405个错义新表位
六分之一的肽是由多个父系突变产生的
836个枢纽肽（均属于TP53）形成了一个重尾但不符合幂律分布的网络
排名主要受肽共享和基因优先级的影响，而非亲和力
严格的筛选程序保留了73个I类肽和127个II类候选肽
引言
DNA修复保真度的丧失是人类癌症中最常观察到的特征之一（Hanahan和Weinberg，2011年）。当同源重组、错配修复、碱基切除修复或复制耦合的错误校正等通路出现缺陷时，肿瘤基因组会以远高于健康组织的速度积累体细胞替换、小插入和缺失以及结构重排。这具有双重临床后果：一方面，持续的基因组不稳定性促进了克隆进化和抗性；另一方面，每一个额外的非同义突变都会产生新的氨基酸序列，这些序列原则上可以被MHC分子处理并呈现为肿瘤特异性新抗原（Helleday等人，2014年；Knijnenburg等人，2018年）。
正是这第二个后果使得DNA修复缺陷的肿瘤具有了被广泛记录的免疫学特征。错配修复缺陷的结直肠癌携带的突变负担比修复正常的癌症高出数个数量级，而且这些肿瘤对免疫检查点抑制治疗的反应率更高，这一发现最终导致了 Pembrolizumab 在 dMMR/MSI-H 疾病中的组织不可辨别的监管批准（Le等人，2017年）。在BRCA1/2突变的卵巢癌和乳腺癌、POLE/POLD1突变的子宫内膜癌和结直肠癌以及某些膀胱癌和肺癌亚型中也观察到了类似的趋势（Rizvi等人，2015年；Chan等人，2019年）。这一背景反映了外显子组的整体突变负荷，包括dMMR疾病中的移码衍生新抗原，而当前的分析仅评估了修复基因内部编码的错义肽；它没有筛选修复失败后积累的伴随突变。
然而，将这种免疫原性转化为疫苗需要可靠地计算出哪些突变肽实际上会被患者的HLA分子呈现并能够被T细胞识别。在过去十五年中，人们投入了大量努力来开发用于此目的的工具和基准测试。其中一位作者之前的工作包括开发了特定等位基因的结合剂（如HLAB27Pred，Gupta等人，2014年），开发了用于病毒病原体跨工具表位预测的比较流程（Gupta等人，2011年），以及基于外膜蛋白的表位疫苗设计，这些设计结合了T细胞和B细胞的预测框架（Chandra等人，2010年；Chandra和Singh，2012年）。相关的机器学习研究调查了支持向量机和其他监督方法在系统生物学流程中的更广泛应用，以帮助发现表位（Singh，2014年）。癌症中的新抗原问题在这个领域增加了两个新的要求：感兴趣的肽是肿瘤特有的，而不是在病原体群体中保守的；并且优先级需要对数千个候选肽进行排序，而不仅仅是标注少数几个。这里介绍的框架考虑了这两个要求。
在过去十年中，肽-MHC结合的算法预测技术发展迅速。NetMHCpan 4.1 使用结合洗脱配体数据和结合亲和力数据训练泛等位基因神经网络（Reynisson等人，2020年）；MHCflurry 2.0 应用了类似的策略，并加入了显式的抗原处理模块（O’Donnell等人，2020年）；pVACseq 将这些预测器集成到一个端到端的临床工作流程中，可以直接处理变异调用格式的文件（Hundal等人，2016年；Hundal等人，2020年）。在已发布的基准测试中，这些工具在常见等位基因上的结合预测方面取得了较高的曲线下面积值（Reynisson等人，2020年；O’Donnell等人，2020年）。
然而，在实践中仍存在几个问题。首先，很少有定量研究探讨某个肽是否可以由多个不同的突变产生，以及这种冗余对于疫苗设计意味着什么。其次，将结合亲和力、突变偏好、生物学相关性和群体覆盖率结合到一个排名中的评分框架仍然是临时的。第三，基于网络的观点在其他癌症基因组学分支中被证明是有用的（Barabási等人，2011年），但在肽层面却很少应用。表1a将本分析的范围与最接近的先前专注于修复和新表位的研究进行了比较。
本研究的目的是对TCGA BRCA、COAD和OV数据集中29个已命名DNA修复基因内的8-11个氨基酸长的错义新表位进行排名，并确定其中哪些肽是由多个突变产生的。我们预计突变集主要由反复出现的TP53热点错义位点主导（TP53占1,419个突变的700个；见表1），以及其他28个基因的每个突变的肽产出情况。使用网络模型而不是简单的重复计数，因为它通过肽共享的父系突变来定义枢纽，并将枢纽状态与结合和基因联系起来。具体目标包括：（i）大规模表征1,419个错义突变的肽输出；（ii）构建突变-肽网络并识别跨突变共享的肽，从而解决上述第一个和第三个问题；（iii）结合结合能力、突变偏好、共享性和基因背景，形成一个可逐个解释的复合评分，从而解决第二个问题；（iv）展示突变-肽共享网络如何在完全个性化的疫苗和现成疫苗之间提供设计选项，而不需要估计患者的覆盖范围。
分析完全是计算性的（在体外进行）。它只覆盖MHC I类，涉及八个群体等位基因（2.2 HLA选择和肽生成，2.3 结合预测和共识调用）；仅考虑错义替换（第2.1节）；不包括移码新开放阅读框；也不考虑与患者HLA基因型匹配的情况。最终成果是一个排序后的公共资源，包含预测的候选肽，而不是一个经过验证的转化流程。第3.8节中的四种设计选项仅作为示例，并非本研究的目标。同时报告了对五种HLA-DRB1等位基因的MHC II类筛选结果（第2.3b节）；II类肽未通过复合评分进行评分，仅进行了描述性展示。
章节片段
突变数据和基因集定义
BRCA、COAD和OV队列的体细胞突变调用数据来自Genomic Data Commons门户（版本36，MAF v2）。初始的516,309个调用数据分三个阶段进行了筛选。首先，只保留了注释为29个经典DNA修复基因之一的变异：TP53、BRCA1、BRCA2、ATM、ATR、BRIP1、CHEK1、CHEK2、FANCA、FANCD2、MLH1、MSH2、MSH6、PALB2、PARP1、PARP2、PMS2、POLD1、POLE、RAD51、RAD51C、RAD51D、RAD52、XRCC1、XRCC2、XRCC3、XRCC4、XRCC5和XRCC6。基因集包括
三种癌症中的修复衍生新表位景观
从1,419个错义突变（885个不同的基因组变异）中，有1,417个产生了肽窗口，以及八种群体HLA等位基因，预测流程返回了429,464个肽-HLA组合和33,405个独特的突变肽（图1A）。IC50分布范围广泛（2-49,328 nM；中位数为35,558 nM；平均值为32,438 nM），这对于包括不匹配每个肽天然限制的等位基因的群体面板来说是预期的结果。强结合剂（< 500 nM）占0.76%
本分析的贡献
本分析回答的问题是，在29个DNA修复基因中编码的错义肽中，哪些是由多个突变产生的，以及这种共享在完全个性化的疫苗和现成疫苗之间的位置。之前的修复缺陷癌症新表位调查通常是对肽进行逐一排名。在这里，筛选过程是端到端可追踪的：516,309个TCGA调用，29个命名基因中的2,430个变异，然后是错义调用，最终得到1,419个样本级别的调用（885个不同的肽
结论
DNA修复缺陷的肿瘤积累了适应性免疫系统能够识别的突变，但疫苗需要一种明确的方法从数千个候选肽中选择。通过将肽层视为一个突变-肽网络，本分析识别出了由29个修复基因中的多个错义突变产生的肽，这些突变主要集中在TP53热点。通过对肽集的复合评分，十四个TP53肽排名靠前，严格的亲和力筛选程序保留了73个肽
资助
本研究没有获得公共、商业或非营利部门的任何特定资助。
CRediT作者贡献声明
B Pallavi： 形式分析。Tiratha Raj Singh： 文章撰写——审阅与编辑、项目管理、方法论、概念化。R S Shravya： 文章撰写——初稿撰写、可视化、软件开发、方法论、研究、形式分析、数据管理、概念化。
写作过程中使用生成式AI和AI辅助技术的声明
在准备这项工作时，作者使用了Claude（Anthropic）工具来辅助语言编辑、格式化和参考文献及手稿文本的检查。使用该工具后，作者根据需要进行内容审查和编辑，并对出版物的内容负全责。
利益冲突声明
作者声明他们没有已知的可能会影响本文所述工作的竞争性财务利益或个人关系。
致谢
作者感谢TCGA研究网络和Genomic Data Commons提供的开放获取基因组数据，以及NetMHCpan、MHCflurry、pVACseq和NetworkX开发的强大开源工具。作者还感谢Jaypee信息技术大学的医疗技术与信息中心（CEHTI）和JSS高等教育与研究学院的生物技术与生物信息学系提供的机构支持。
R.S. Shravya|B. Pallavi|Tiratha Raj Singh
