종양 신항원 예측 및 순위
레이아웃 데모를 위해 모의 데이터에서 생성된 대표적인 HLA 결합 친화도 히트맵.
이 출력은 분석 접근 방식과 시각화 스타일을 나타냅니다. 실제 프로젝트 결과는 입력 데이터 품질, 샘플 크기, HLA 타이핑 해상도 및 검증 전략에 따라 달라집니다. 신항원 예측은 연구 전용이며 임상 환자 선택을 위한 것이 아닙니다.
프로젝트 질문
제한된 펩타이드 합성 예산 하에서 어떤 신항원 후보를 초기 실험 검증에 우선적으로 배치해야 하는가?
R&D 맥락
초기 단계의 종양 면역요법 연구 프로그램이 in-vitro 검증으로 진행하기에 가장 적합한 종양 신항원 후보를 식별해야 했습니다. 팀은 펩타이드 합성에 제한된 예산을 가지고 있었으며 실험적 우선순위 지정을 안내하기 위한 데이터 기반 단축 목록이 필요했습니다.
의사결정 과제
수백 개의 컴퓨터 시뮬레이션으로 예측된 신항원에 대해 팀은 두 가지 핵심 질문에 직면했습니다: (1) 어떤 후보가 환자 HLA 유형 전반에 가장 강력한 면역원성 복합 증거를 가지고 있는가? (2) 제한된 합성 능력을 감안할 때 측정 가능한 T 세포 반응을 생성할 확률을 최대화하도록 단축 목록을 어떻게 순위를 매겨야 하는가?
분석 전략
컴퓨터 시뮬레이션 HLA 결합 예측, 면역원성 점수화, 인구 HLA 빈도 가중치 및 검증 준비도 평가를 통합했습니다. 후보는 복합 점수별로 계층화되고 각 순위 차원에 대한 지지 증거가 주석 처리되었습니다.
주요 발견
최상위 계층 후보는 여러 HLA 대립유전자에서 일관된 높은 결합 친화도를 보였습니다. 인구 빈도 가중치는 더 넓은 코호트 대표성을 가진 하위 집합을 밝혀냈습니다. 강한 결합을 가졌지만 낮은 면역원성 점수를 가진 여러 후보는 우선순위 강등으로 표시되었습니다.
R&D에 미치는 영향
순위가 매겨진 단축 목록을 통해 연구 팀은 제한된 실험 예산을 긍정적인 검증 데이터를 생성할 확률이 가장 높은 후보에 할당할 수 있습니다. 이는 낭비되는 합성 및 분석 노력을 줄이고 go/no-go 일정을 가속화하며 문서화된 근거를 제공합니다.
권장 다음 단계
in-vitro 결합 검증 및 T 세포 활성화 분석을 위해 최상위 계층 펩타이드를 합성하세요. 예비 결과가 유망하면 중간 계층 후보로 확장하세요. 추가 환자 코호트를 위한 잠재적 후속 조치를 위해 HLA 커버리지 격차를 문서화하세요.
입력 데이터
- 종양 돌연변이 데이터(VCF)
- 환자 HLA 타입
- 참조 펩타이드 라이브러리
- 인구 HLA 빈도 참조 데이터
산출물
- 계층 주석이 포함된 순위 신항원 후보 단축 목록
- HLA 결합 친화도 히트맵 및 점수 분포
- 인구 빈도 가중 우선순위 표
- 검증 지향 해석 요약
- 방법 문서 및 매개변수 로그