[發(fā)明專利]檢測腫瘤新生抗原多肽的方法和裝置

有效

• 申請?zhí)枺?/td>: 201910878145.4
• 申請日: 2019-09-17
• 公開（公告）號: CN110706747B
• 公開（公告）日: 2021-09-07
• 發(fā)明（設計）人: 周濤;陳利斌;郭璟;樓峰;曹善柏
• 申請（專利權(quán)）人: 北京橡鑫生物科技有限公司;天津橡鑫生物科技有限公司;北京橡鑫醫(yī)學科技有限公司
• 主分類號: G16B20/50
• 分類號: G16B20/50;G16B30/10
• 代理公司: 北京康信知識產(chǎn)權(quán)代理有限責任公司 11240
• 代理人: 路秀麗

1.一種檢測腫瘤新生抗原多肽的方法，其特征在于，所述方法包括：

獲取腫瘤組織的體細胞突變和胚系突變；

利用腫瘤對照血細胞樣本的測序數(shù)據(jù)進行HLA分型，獲得HLA分型結(jié)果；

利用所述HLA分型結(jié)果對所述體細胞突變和胚系突變進行新生抗原多肽預測，得到候選新生抗原多肽；

對所述候選新生抗原多肽進行打分排序，得分最高的即為所述新生抗原多肽；

利用腫瘤對照血細胞樣本的測序數(shù)據(jù)進行HLA分型，獲得HLA分型結(jié)果包括：

將所述腫瘤對照血細胞樣本的測序數(shù)據(jù)與IMGT/HLA數(shù)據(jù)庫中已知的HLA等位基因進行序列比對，得到比對矩陣；

對所述比對矩陣進行合并刪除整理，得到整理矩陣；

采用最優(yōu)化問題算法對所述整理矩陣進行處理，獲得所述HLA分型結(jié)果；

其中，所述比對矩陣包括多個列和多個行，多個所述列為所有的HLA類型，多個所述行為所有的reads，對所述比對矩陣進行合并刪除整理包括：

將相同的所述行合并，得到一個權(quán)重行；

對任意兩列a列和b列，如果b列完全包含a列的reads，且所述b列還包含不同于所述a列的reads的其他reads，則刪除所述a列。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，在利用所述HLA分型結(jié)果對所述體細胞突變和胚系突變進行新生抗原多肽預測之前，所述方法還包括：

將所述體細胞特異突變與所述胚系突變合并，并采用VEP進行注釋，獲取各突變所在基因、轉(zhuǎn)錄本及導致變化的多肽片段。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，對所述體細胞突變和胚系突變進行新生抗原多肽預測包括：

對所述體細胞突變和胚系突變中每一個突變所導致變化的所述多肽片段進行MHC親和力測試并打分，得到每個所述多肽片段的加和打分；

其中，所述MHC親和力測試包括：

（1）采用為9~11個氨基酸長度的多肽片段：

（2）采用多個不同位置的多肽片段；

（3）采用多種親和力測試方法：所述測試方法包括如下至少之一：MHCflurry、MHCnuggetsI、MHCnuggetsII、NNalign及NetMHC。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述MHC親和力測試還包括以下至少之一：（4）采用多個轉(zhuǎn)錄本的多肽片段；（5）采用多種不同的HLA分型。

5.根據(jù)權(quán)利要求3所述的方法，其特征在于，對所述候選新生抗原多肽進行打分排序包括：

對所述候選新生抗原多肽中每個所述多肽片段的加和打分進行排序，得分最高的即為所述新生抗原多肽。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，采用ILP最優(yōu)化算法，對所述整理矩陣求解，獲得所述HLA分型結(jié)果。

7.根據(jù)權(quán)利要求1所述的方法，其特征在于，采用Optitype軟件將所述腫瘤對照血細胞樣本的測序數(shù)據(jù)與IMGT/HLA數(shù)據(jù)庫中已知的HLA等位基因進行序列比對，得到所述比對矩陣。

8.根據(jù)權(quán)利要求1所述的方法，其特征在于，獲取腫瘤組織的體細胞突變和胚系突變包括：

利用腫瘤對照血細胞樣本和腫瘤組織樣本進行配對體細胞檢測，獲得腫瘤組織的所述體細胞突變；

利用腫瘤對照血細胞樣本，使用GATK進行胚系突變檢測，獲得所述胚系突變。