生物tech观察
下载贤集网APP入驻自媒体
近年来，在接受自体体外培养的肿瘤浸润淋巴细胞（TILs）过继转移的各种类型的癌症患者中，特异性识别基因突变产生的新抗原（neoantigens）的T细胞在介导有效的抗肿瘤反应中发挥了关键作用。此外，新抗原被发现与免疫检查点抑制剂的治疗效果有关。 基因突变产生的突变蛋白作为人类白细胞抗原结合肽（HLAp）在肿瘤细胞上被处理和呈递，并被同源T细胞受体（TCR）识别为“非我”。靶向这些突变产生的新抗原，使免疫细胞能够区分正常细胞和癌细胞，从而降低自身免疫风险。 基因组学、生物信息学和计算机HLA结合预测工具的技术进步，促进了在发现由体细胞非同义单核苷酸变异（SNV）、插入和缺失突变（InDels）产生的新抗原，以及在肿瘤发生过程中出现的移码突变。此外，先进的免疫筛选技术促进了新抗原反应性T细胞的检测和分离。 靶向新抗原的创新临床治疗方案的发展需要识别被自体T细胞靶向的新抗原。然而，只有一小部分新抗原具有免疫原性，这使得对它们的鉴定具有挑战性。 2023年10月9日，瑞士洛桑大学的研究人员在 Cancer Cell 期刊发表了题为：Machine learning methods and harmonized datasets improve immunogenic neoantigen prediction 的研究论文。 该研究开发了基于机器学习（Machine Learning，ML）的方法，旨在改善对具有免疫原性的新抗原和突变的预测和筛选，以开发有效的个性化癌症免疫治疗方法。
