Sci Adv | Ribo-seq应用：免疫肽组学挖掘肿瘤新生抗原用于个性化癌症免疫治疗

新抗原介导的癌症免疫疗法（如T细胞疗法和疫苗）通过识别HLA呈递的抗原，激活CD8⁺细胞毒性T细胞以清除肿瘤。目前新表位多来源于癌症基因组中的非同义突变，但“冷”肿瘤突变少、表位稀缺，缺乏有效靶点。

近几年的研究发现，免疫原性表位也可来自非编码区的潜在翻译产物及非典型翻译，如UTRs、替代起始位点或非编码基因的翻译。这些非典型表位有望激活抗肿瘤免疫，且副作用更小，成为新型免疫治疗靶点。

传统蛋白质组学虽能识别肿瘤特异性肽段，但无法确定其是否被MHC呈递。免疫肽组学则通过质谱分析HLA结合肽段，提供更真实的表位图谱，尤其结合Ribo-seq核糖体印迹分析的反馈，能识别来自突变、异常表达、非典型翻译等来源的多种表位。

如在错配修复缺陷型结直肠癌和AML中的研究表明，非编码来源新抗原可诱导免疫反应。相比之下，RNA-seq仅反映转录水平，无法揭示实际翻译的开放阅读框或肽段降解情况，且抗原谱受多因素影响存在高度异质性。

因此，全面整合多种肿瘤与正常组织的翻译组和免疫肽组数据，对于发现和优选个体化癌症免疫靶点至关重要。

文章索引

【IF】14.95

研究结果

作者整合分析了531个样本的免疫肽组学数据和翻译组Ribo-seq数据，绘制出涵盖14种癌症和29种正常组织的肽段图谱，识别出约70000条非典型肽段，主要源自非编码区和移码翻译。

研究发现，许多低表达或未注释基因也能生成HLA呈递的肽段，说明免疫肽组学可揭示转录组RNA-seq难以捕捉的新抗原信息，为个体化癌症免疫治疗提供潜在靶点。

研究发现，HLA呈递的肽段在序列特征和理化性质上可明显区分肿瘤与正常组织，肿瘤肽段富含碱性和半胱氨酸残基，具有更高电荷和等电点，反映出其特有的微环境和代谢特征，提示HLA肽段可作为细胞身份的分子标识。

作者开发了基于机器学习的MaNeo流程，通过多种特征编码和分类器准确筛选肿瘤特异性新生抗原肽。

与sCRAP方法相比，MaNeo 在各项性能指标上均有显著提升，表明其结合序列和生化特征信息，能够高效、准确地预测多种癌症中的免疫原性新肽。

该模型成功筛选出2523个肿瘤特异性免疫原性新生肽，涉及多条癌症相关通路。部分新生肽在多例样本中复发，优选出3个功能验证候选。

蛋白水平显示这些新生肽对应蛋白在肿瘤细胞中高表达且肿瘤特异，验证了免疫组肽数据在新抗原识别中的关键作用。

候选新生肽载树突状细胞激活CD8+ T细胞，促进其增殖和细胞因子分泌，特异性识别肿瘤细胞且无损伤正常细胞，验证了其免疫活性和抗肿瘤效果，证明MaNeo模型预测准确且具泛化能力。

本研究构建了覆盖多种癌症和正常组织的泛癌肽图谱，发现非经典肽与经典肽呈现水平相当，且肿瘤特异性肽具有独特生化特征。基于此开发的机器学习筛选流程MaNeo，能精准识别肿瘤特异性新生肽，为新生抗原发现和癌症免疫治疗提供了有力工具。

点击图片查看

点击图片查看