創薬R&D

腫瘍新抗原予測・ランキング

レイアウトデモ用にモックデータから生成された代表的なHLA結合親和性ヒートマップ。

モックデータ

この出力は解析アプローチと可視化スタイルを表します。実際のプロジェクト結果は入力データ品質、サンプルサイズ、HLAタイピング解像度、および検証戦略に依存します。新抗原予測は研究専用であり、臨床患者選択を目的としていません。

プロジェクト課題

限られたペプチド合成予算の下で、どの新抗原候補を早期実験検証に優先すべきか？

早期段階の腫瘍免疫治療研究プログラムが、in-vitro検証に進む最も適した腫瘍新抗原候補を特定する必要がありました。チームはペプチド合成に制約された予算を持ち、実験的優先順位付けを導くためのデータ駆動型ショートリストが必要でした。

数百の計算予測新抗原に対し、チームは2つの核心的問いに直面しました：(1) 患者のHLAタイプ間で最も強い免疫原性の総合的証拠を持つ候補はどれか？(2) 限られた合成能力の下で、測定可能なT細胞応答を生成する確率を最大化するようショートリストをどのようにランキングすべきか？

シリコHLA結合予測、免疫原性スコアリング、集団HLA頻度重み付け、および検証準備度評価を統合。候補は複合スコアにより層別され、各ランキング次元の支持証拠が注釈付けされました。

トップ層の候補は複数のHLAアレルで一貫した高結合親和性を示しました。集団頻度重み付けにより、より広いコホート代表性を持つサブセットが明らかになりました。強い結合だが低い免疫原性スコアの候補は優先順位降格としてフラグ付けされました。

ランキングされたショートリストにより、研究チームは限られた実験予算を、陽性検証データを生成する確率が最も高い候補に配分できます。これにより無駄な合成とアッセイ労力が削減され、go/no-goのタイムラインが加速されます。

トップ層ペプチドをin-vitro結合検証およびT細胞活性化アッセイのために合成。予備的結果が有望であれば、中間層候補への拡張を検討。追加患者コホートでのフォローアップのため、HLAカバレッジギャップを文書化。