针对目前现有的生信算法模型对肿瘤新生抗原预测准确率低的问题，裕策生物团队通过对新生抗原特性的不断深入挖掘研究，在构建算法时考虑到了真正具有免疫原性新生抗原形成的复杂性，自主开发出TruNeo™ 智能机器学习算法，帮助找到具有免疫原性的高质量“真”新生抗原，其方法学文章近日发表在 BMC Bioinformatics 杂志上。

BMC Bioinformatics （IF 3.242）

摘 要

1

近年来，基于新生抗原的个体化疫苗和过继性T细胞免疫疗法对胆管癌、结直肠癌、乳腺癌、黑色素瘤和胶质瘤显示出较好的治疗效果。此外，新生抗原也被证明是免疫检查点抑制剂治疗中T细胞攻击的靶点；

2

新一代测序数据已被广泛应用于新生抗原的预测，许多生物信息学工具已经开发出来。例如，NetMHCpan和MHCflurry，但这些方法预测的新生抗原只有不到5%能被提呈到肿瘤细胞表面。可能是因为这些算法模型只考虑新生抗原产生的一个环节而忽略其他环节，低估了真正有免疫原性的新生抗原形成的复杂性；

3

考虑到新生抗原产生的六个主要因素:多肽MHC结合亲和力、蛋白酶体剪切、抗原转运蛋白（TAP）转运效率、表达丰度、肿瘤异质性、克隆性和HLA LOH（杂合性缺失），裕策生物团队开发出一种称为TruNeo™ 的算法来预测新生抗原。

结果

1. TruNeo™ 算法概述：从测序数据识别候选新生抗原

图：新生抗原预测和验证流程图

2.TruNeo™ 和其他算法的比较

图：已发表文献的算法预测出具有免疫原性的新生抗原比例

使用TruNeo™ 和其他算法对已知具有免疫原性的新生抗原进行预测。在已发表的1599个突变中，有19个被鉴定为已经存在的T细胞反应。新生抗原根据每种算法的特定流程进行排序，然后对每种算法的recall率进行比较。

3.TruNeo™ 和MHCflurry对晚期小细胞肺癌患者的新生抗原预测效果

为了进一步评估TruNe™ 的性能，裕策生物团队对一个真实病例（晚期小细胞肺癌）进行新生抗原预测。采集新鲜肿瘤组织和血液，进行WES和RNA测序。使用TruNeo™在测序数据中识别体细胞突变、融合基因、HLA基因分型和表达定量。451个体细胞突变被识别出来，其中313个为非同义突变。通过TruNeo™ 预测出254条新生抗原，其中116可以表达新生抗原多肽。对这些新生抗原多肽进行打分排名，选出排名前10的MHC Ⅰ类新生抗原，5条通过Elispot方法验证为具有免疫原性。（如下图所示）

图：TruNeo™ 对01患者新生抗原筛选的过程示意图

同时使用MHCflurry进行新生抗原的预测并进行排序。经MHCflurry鉴定395个为候选新生抗原。MHCflurry预测出排名前10的新生抗原用Elispot方法进行验证。TruNeo™筛选出来的该患者的10个新生抗原进行鉴定时，其中5个（#1、#3、#4、#6和#8）具有免疫原性，而MHCflurry筛选出来的10个新生抗原中只有2个（#5和#6）具有免疫原性，TruNeo™预测准确性是MHCflurry的2.5倍（50% vs 20%）。

表1：2种软件预测的新生抗原免疫原性的验证结果

图：Elispot 方法验证2种软件预测的TOP10新生抗原的免疫原性

总结

裕策生物团队考虑到真正有免疫原性的新生抗原形成的复杂性，改变过往算法只考虑新生抗原产生过程中单一环节的模式，开发出新算法——TruNeo™ 。通过已发表的文献和真实患者的数据比较了TruNeo™ 和MHCflurry的预测性能，两组数据都显示TruNeo™ 表现出比NetMHCpan、MHCflurry更具临床价值的预测效果。本研究表明，TruNeo™ 能够预测真正的新生抗原，从而提高基于新生抗原免疫治疗的有效性。

裕策生物是国内最早开展新生抗原检测的公司。自成立以来，裕策生物团队对新生抗原检测技术不断深耕，并于2017年成为首家加入国际肿瘤新生抗原筛查联盟（Tumor Neoantigen SeLection Alliance，TESLA）的中国公司。裕策生物自主开发的TruNeo™ 智能机器学习算法经TESLA和天梯计划多年积累, 包含生物学推演+机器学习+实验验证，拥有经过实验验证的新生抗原阴阳性数据库、共有新生抗原数库，能够提高准确预测的肽段数量。同时，裕策生物围绕新生抗原检测及验证技术布局了一系列专利，包括“基于二代测序的新生抗原预测方法、装置和存储介质”、“一种新生抗原免疫原性的测试方法”、“同时检测新生抗原免疫原性和新生抗原特异性TCR的方法”等。