黑色素瘤新抗原分类策略的研究

Rapid selection of safe and effective antigens from predicted neoantigens is a technical bottleneck for tumor-specific antigen-specific T cell therapy. Since the CTL infiltration and cytotoxicity in tumor are the theoretical basis of T cell therapy, in this project we use melanoma as the research model and proposed distinguishing the neoantigen heterogeneity according to the neoantigen biophysical properties and tumor microenvironment. First, the neoantigen is classified into four classes:TIL response class antigen, autologous PBMC response class antigen, allogeneic PBMC response class antigen and PBMC nonresponsive antigen, according to the antigen ability to induce CTL and the ability of CTL to infiltrate tumor tissue. Subsequently we analyse the biophysical parameters of each neoantigen and tumor immune microenvironment parameters, and develop a neoantigen classification software.Finally, the safety and validity of TIL response class antigen-specific T cells in the treatment of advanced melanoma will be initially verified in the clinical study.The characteristics of this subject: the neoantigen classification wil not only evaluate the immunogenicity of neoantigens, but also predict neoantigens’ capacity to induce TIL in patient’s body in combination with the patient's tumor immune microenvironment changes. Thus this classification will establish the target antigen priority and help optimize the immunization program.

从生物信息预测的新抗原中快速选择安全而有效的靶抗原是肿瘤新抗原特异免疫治疗的技术瓶颈。基于抗原特异性CTL浸润肿瘤组织并在肿瘤微环境发挥靶细胞毒性是T细胞免疫治疗基础，本课题以黑色素瘤为模型，提出根据新抗原生物物理特性和肿瘤微环境变化来分类新抗原。首先，依据新抗原诱导CTL的能力和CTL浸润肿瘤组织的能力将新抗原分为TIL应答类抗原、自体PBMC应答类抗原、异体PBMC应答类抗原和PBMC无应答类抗原等４类。再聚类分析每一类新抗原的生物物理特征和肿瘤免疫微环境特征，开发新抗原分类软件。最后，临床研究观察基于新抗原分类选择的靶抗原特异性T细胞治疗晚期黑色素瘤的安全性和有效性，初步验证新抗原分类系统的可行性。本课题的特色之处：通过新抗原分类系统不仅预测新抗原的免疫原性，而且预测该种新抗原在患者体内是否具备诱导TIL的潜力，从而确立靶抗原的优先等级和帮助优化免疫方案

新抗原是携带肿瘤突变的，可被MHC递呈的短肽，具有极强的肿瘤特异性以及免疫原性，是理想的肿瘤治疗靶点。本项目的目标是评估肿瘤新抗原的生物物理特征，开发新抗原预测筛选软件，并基于临床实验结果，验证该软件用于指导临床肿瘤新抗原筛选的可行性。本项目入组了80例中国人高频HLA分型黑色素瘤患者，并进行全外显子组以及转录组测序，生信分析其肿瘤突变信息。同时，构建了数个黑色素瘤原代细胞系，并通过串联质谱技术进行免疫多肽组鉴定分析。本项目通过文献调研及生信分析确认了肿瘤新抗原的关键特征是多肽的亲和力以及mRNA表达量。采用文献公共数据作为训练集，本项目开发了新抗原预测软件EPIP。在独立验证数据集上进行的评估表明EPIP预测效果强于领域内主流预测软件。最后，本项目采用EPIP预测筛选两位黑色素瘤病人的临床新抗原并制备DC-CTL终制品。实验结果表明，DC-CTL终制品可以诱导病人外周血CTL的扩增，引起病人体内新抗原反应性免疫表位的扩散，并能够在病人体内保持存续。综上，本项目为肿瘤新抗原的预测筛选提供了新的方法与工具，为临床肿瘤新抗原筛选研究提供了良好的指导意义。