CN109706065A - 肿瘤新生抗原负荷检测装置及存储介质 - Google Patents
肿瘤新生抗原负荷检测装置及存储介质 Download PDFInfo
- Publication number
- CN109706065A CN109706065A CN201811642537.2A CN201811642537A CN109706065A CN 109706065 A CN109706065 A CN 109706065A CN 201811642537 A CN201811642537 A CN 201811642537A CN 109706065 A CN109706065 A CN 109706065A
- Authority
- CN
- China
- Prior art keywords
- capture region
- peptide fragment
- mutation
- tumor tissues
- dna
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 206010028980 Neoplasm Diseases 0.000 title claims abstract description 117
- 238000001514 detection method Methods 0.000 title claims abstract description 99
- 239000000427 antigen Substances 0.000 title claims abstract description 35
- 108091007433 antigens Proteins 0.000 title claims abstract description 35
- 102000036639 antigens Human genes 0.000 title claims abstract description 35
- 238000003860 storage Methods 0.000 title claims abstract description 19
- 230000035772 mutation Effects 0.000 claims abstract description 83
- 238000012163 sequencing technique Methods 0.000 claims abstract description 75
- 108010033276 Peptide Fragments Proteins 0.000 claims abstract description 72
- 102000007079 Peptide Fragments Human genes 0.000 claims abstract description 72
- 238000012360 testing method Methods 0.000 claims abstract description 60
- 230000004927 fusion Effects 0.000 claims abstract description 49
- 230000000392 somatic effect Effects 0.000 claims abstract description 9
- 238000005520 cutting process Methods 0.000 claims abstract description 5
- 238000013481 data capture Methods 0.000 claims abstract description 4
- 239000000523 sample Substances 0.000 claims description 74
- 108090000623 proteins and genes Proteins 0.000 claims description 35
- 238000000034 method Methods 0.000 claims description 25
- 206010069754 Acquired gene mutation Diseases 0.000 claims description 24
- 230000037439 somatic mutation Effects 0.000 claims description 24
- 238000013461 design Methods 0.000 claims description 23
- 230000008859 change Effects 0.000 claims description 22
- 150000001413 amino acids Chemical class 0.000 claims description 21
- 239000002585 base Substances 0.000 claims description 21
- 230000000869 mutational effect Effects 0.000 claims description 21
- 238000003908 quality control method Methods 0.000 claims description 21
- 230000014509 gene expression Effects 0.000 claims description 15
- JJWKPURADFRFRB-UHFFFAOYSA-N carbonyl sulfide Chemical compound O=C=S JJWKPURADFRFRB-UHFFFAOYSA-N 0.000 claims description 9
- 239000003513 alkali Substances 0.000 claims description 5
- 201000011510 cancer Diseases 0.000 claims description 5
- 108700019961 Neoplasm Genes Proteins 0.000 claims description 4
- 102000048850 Neoplasm Genes Human genes 0.000 claims description 4
- 238000009826 distribution Methods 0.000 claims description 4
- 235000013399 edible fruits Nutrition 0.000 claims description 4
- 239000002773 nucleotide Substances 0.000 claims description 4
- 125000003729 nucleotide group Chemical group 0.000 claims description 4
- 210000005259 peripheral blood Anatomy 0.000 claims description 4
- 239000011886 peripheral blood Substances 0.000 claims description 4
- 230000008685 targeting Effects 0.000 claims description 4
- 230000005055 memory storage Effects 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 6
- 230000001900 immune effect Effects 0.000 abstract description 4
- 239000003112 inhibitor Substances 0.000 abstract description 4
- 238000012544 monitoring process Methods 0.000 abstract description 2
- 108020004414 DNA Proteins 0.000 description 38
- 238000004458 analytical method Methods 0.000 description 13
- 108091028043 Nucleic acid sequence Proteins 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 238000002560 therapeutic procedure Methods 0.000 description 7
- 239000003814 drug Substances 0.000 description 6
- 239000012634 fragment Substances 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000002649 immunization Methods 0.000 description 6
- 230000003053 immunization Effects 0.000 description 6
- 210000004369 blood Anatomy 0.000 description 5
- 239000008280 blood Substances 0.000 description 5
- 238000001914 filtration Methods 0.000 description 5
- 238000001712 DNA sequencing Methods 0.000 description 4
- 229940079593 drug Drugs 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 108010074708 B7-H1 Antigen Proteins 0.000 description 3
- 102000008096 B7-H1 Antigen Human genes 0.000 description 3
- 206010058467 Lung neoplasm malignant Diseases 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 201000005202 lung cancer Diseases 0.000 description 3
- 208000020816 lung neoplasm Diseases 0.000 description 3
- 239000003147 molecular marker Substances 0.000 description 3
- 108090000765 processed proteins & peptides Proteins 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 230000004083 survival effect Effects 0.000 description 3
- 206010005003 Bladder cancer Diseases 0.000 description 2
- 208000017897 Carcinoma of esophagus Diseases 0.000 description 2
- 208000000461 Esophageal Neoplasms Diseases 0.000 description 2
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 2
- 238000002123 RNA extraction Methods 0.000 description 2
- 238000003559 RNA-seq method Methods 0.000 description 2
- 208000007097 Urinary Bladder Neoplasms Diseases 0.000 description 2
- 239000002253 acid Substances 0.000 description 2
- 125000003275 alpha amino acid group Chemical group 0.000 description 2
- 230000006907 apoptotic process Effects 0.000 description 2
- 210000004027 cell Anatomy 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 238000012938 design process Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000003780 insertion Methods 0.000 description 2
- 230000037431 insertion Effects 0.000 description 2
- 125000002924 primary amino group Chemical group [H]N([H])* 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 201000005112 urinary bladder cancer Diseases 0.000 description 2
- AEJOEPSMZCEYJN-HXUWFJFHSA-N 2-(3,4-dichlorophenyl)-N-methyl-N-[(1S)-1-phenyl-2-(1-pyrrolidinyl)ethyl]acetamide Chemical compound C([C@@H](N(C)C(=O)CC=1C=C(Cl)C(Cl)=CC=1)C=1C=CC=CC=1)N1CCCC1 AEJOEPSMZCEYJN-HXUWFJFHSA-N 0.000 description 1
- 238000007400 DNA extraction Methods 0.000 description 1
- 101100519207 Mus musculus Pdcd1 gene Proteins 0.000 description 1
- 108700020796 Oncogene Proteins 0.000 description 1
- 230000009948 RNA mutation Effects 0.000 description 1
- 125000000539 amino acid group Chemical group 0.000 description 1
- 238000003782 apoptosis assay Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 210000004709 eyebrow Anatomy 0.000 description 1
- 201000006585 gastric adenocarcinoma Diseases 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 210000004209 hair Anatomy 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 238000009169 immunotherapy Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 239000003446 ligand Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 201000001441 melanoma Diseases 0.000 description 1
- 208000002154 non-small cell lung carcinoma Diseases 0.000 description 1
- 108020004707 nucleic acids Proteins 0.000 description 1
- 150000007523 nucleic acids Chemical class 0.000 description 1
- 102000039446 nucleic acids Human genes 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 230000005522 programmed cell death Effects 0.000 description 1
- 108020003175 receptors Proteins 0.000 description 1
- 102000005962 receptors Human genes 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 210000004881 tumor cell Anatomy 0.000 description 1
- 208000029729 tumor suppressor gene on chromosome 11 Diseases 0.000 description 1
Landscapes
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
一种肿瘤新生抗原负荷检测装置及存储介质，该检测装置包括：数据获取单元，用于获取检测对象的肿瘤组织DNA、对照样本DNA和肿瘤组织RNA的靶向捕获区域的测序数据；体细胞变异检测单元，用于对肿瘤组织DNA和对照样本DNA的测序数据进行变异检测和注释得到突变肽段；融合基因检测单元，用于对肿瘤组织RNA的测序数据进行融合基因检测和注释得到突变肽段；HLA分型检测单元，用于对对照样本DNA的靶向捕获区域的测序数据进行HLA分型；MHC亲和力预测单元，用于对突变肽段使用HLA分型检测结果预测新生抗原；TNB计算单元，用于计算TNB；和结果输出单元，用于输出TNB检测结果。本发明能够用于肿瘤新生抗原负荷检测监测，预测免疫检查点抑制剂疗效。
Description
技术领域
本发明涉及肿瘤检测技术领域，具体涉及一种肿瘤新生抗原负荷检测装置及存储介质。
背景技术
肿瘤是由基因组变异引起的疾病。免疫检查点抑制剂开辟了肿瘤治疗的新时代，但由于缺乏合适的临床分子标志物，PD-1/PD-L1(程序性细胞死亡受体-1，programmeddeath-1，PD-1；程序性细胞死亡配体-1，programmed cell death ligand 1，PD-L1)药物的受益人群无法被高效的筛选，筛选率只有20％-30％。目前已发现的潜在临床分子标志物包括PD-L1表达水平、肿瘤新生抗原负荷等，这些分子标志物可用于预测部分患者的治疗效果，但仍有不适用的情况。肿瘤新生抗原负荷(TNB)是直接反映肿瘤细胞中潜在新生抗原数量的一个指标，通常以每百万碱基(Mb)的肿瘤基因组区域中包含的肿瘤新生抗原总数来表示。TNB与肿瘤免疫直接相关，已有研究表明高TNB的水平能大概率预测肺癌、膀胱癌、黑色素瘤等肿瘤对免疫检查点抑制剂药物响应概率，且效果优于其他标志物。
作为分子标志物，临床上有高效准确检测TNB的需求。目前市场上尚无此类成熟产品，研究方面通常采用全外显子组测序的方法，具有成本高、周期长的缺陷，不适合临床应用。亟待开发相应的高效检测方法。
发明内容
本发明提供一种肿瘤新生抗原负荷检测装置及存储介质，能够用于肿瘤新生抗原负荷检测监测，预测免疫检查点抑制剂疗效。
根据第一方面，一种实施例中提供一种肿瘤新生抗原负荷检测装置，该检测装置包括：
数据获取单元，用于获取检测对象的肿瘤组织DNA、对照样本DNA和肿瘤组织RNA的靶向捕获区域的测序数据；
体细胞变异检测单元，用于对上述肿瘤组织DNA和对照样本DNA的靶向捕获区域的测序数据进行变异检测以发现体细胞突变，并对上述体细胞突变进行注释及计算突变位点前后第一设定数量的氨基酸的变化情况，作为突变肽段；
融合基因检测单元，用于对上述肿瘤组织RNA的靶向捕获区域的测序数据进行融合基因检测以发现融合基因，并对上述融合基因进行注释及计算融合位点前后第二设定数量的氨基酸的变化情况，作为突变肽段；
HLA分型检测单元，用于对上述对照样本DNA的靶向捕获区域的测序数据进行HLA分型以获得HLA分型检测结果；
MHC亲和力预测单元，用于对上述突变肽段使用上述HLA分型检测结果预测新生抗原以发现潜在新生抗原；
TNB计算单元，用于按照以下公式计算TNB：TNB＝N/R，其中N为新生抗原数量，R为靶向捕获区域的实际测序区域大小；和
结果输出单元，用于输出上述TNB检测结果。
在优选实施例中，上述对照样本选自癌旁组织或外周血样本。
在优选实施例中，上述第一设定数量为8-11；上述第二设定数量为8-11。
在优选实施例中，上述HLA分型检测单元，还用于对上述肿瘤组织DNA的靶向捕获区域的测序数据进行HLA分型以获得HLA分型检测结果。
在优选实施例中，上述检测装置还包括：
突变表达水平检测单元，用于对上述肿瘤组织RNA的靶向捕获区域的测序数据的突变进行检测以判断DNA上的突变在RNA上是否存在。
在优选实施例中，上述潜在新生抗原是上述突变肽段中亲和力<500nM且野生型肽段亲和力>500nM的肽段。
在优选实施例中，上述靶向捕获区域通过靶向捕获芯片捕获，上述靶向捕获芯片设有靶向捕获探针，上述靶向捕获探针通过如下方法获得：
(1)根据COSMIC数据库收集的基因表达信息，统计在肿瘤样本中发生表达的基因作为候选基因；
(2)将上述候选基因上每个外显子的碱基逐个替换为可能存在的突变碱基，对替换后的核苷酸序列进行注释，取突变位点前后预定数量氨基酸组成的肽段作为潜在突变肽段；
(3)统计中国人群HLA基因型频率分布，得到设定数量的频率最高的HLA基因型，作为中国人群代表基因型；
(4)对每条上述潜在突变肽段根据设定数量的中国人群代表基因型分别进行MHC亲和力预测；
(5)对所有亲和力预测结果进行统计获得潜在新生抗原肽段；
(6)对每条上述潜在新生抗原肽段回溯其突变位点，若上述位点位于COSMIC数据库中，则将该位点纳入设计范围，若上述位点位于Cancer Gene Census基因列表上所列基因上，也将该位点纳入设计范围；
(7)计算基因组上每个外显子包含的设计位点数量，并按上述设计位点数量由高到低排序，选取总大小为设定大小的外显子作为芯片捕获区域；和
(8)根据上述芯片捕获区域设计上述捕获探针。
在优选实施例中，上述靶向捕获区域包括如下表1所示的基因的捕获区域：
表1
上述捕获区域可以通过基于肿瘤基因组数据库设计的捕获芯片来捕获，捕获芯片大小为1.6M。上述捕获区域能够真实反映人全基因组上肿瘤新生抗原负荷的变化趋势。
在优选实施例中，上述靶向捕获区域还包括用于样本成对质控的多态性位点，上述多态性位点是rs1327118、rs1402695、rs1414904、rs1131498、rs1079820、rs1805087、rs1032807、rs1801262、rs1515002、rs1392265、rs11096957、rs1426003、rs1363333、rs3734440、rs156318、rs1843026、rs1368136、rs1105176、rs156697、rs12828016、rs1395936、rs1541836、rs1805034、rs1030687、rs171953、rs753381、rs1293153和rs1541290，上述多态性位点确保检测的肿瘤组织和对照样本来自同一检测对象。
根据第二方面，一种实施例中提供一种肿瘤新生抗原负荷检测装置，该检测装置包括：
存储器，用于存储程序；
处理器，用于通过执行上述存储器存储的程序以实现如下的肿瘤新生抗原负荷检测方法：
获取检测对象的肿瘤组织DNA、对照样本DNA和肿瘤组织RNA的靶向捕获区域的测序数据；
对上述肿瘤组织DNA和对照样本DNA的靶向捕获区域的测序数据进行变异检测以发现体细胞突变，并对上述体细胞突变进行注释及计算突变位点前后第一设定数量的氨基酸的变化情况，作为突变肽段；
对上述肿瘤组织RNA的靶向捕获区域的测序数据进行融合基因检测以发现融合基因，并对上述融合基因进行注释及计算融合位点前后第二设定数量的氨基酸的变化情况，作为突变肽段；
对上述对照样本DNA的靶向捕获区域的测序数据进行HLA分型以获得HLA分型检测结果；
对上述突变肽段使用上述HLA分型检测结果预测新生抗原以发现潜在新生抗原；
按照以下公式计算TNB：TNB＝N/R，其中N为新生抗原数量，R为靶向捕获区域的实际测序区域大小；和
输出上述TNB检测结果。
根据第三方面，一种实施例中提供一种计算机可读存储介质，包括程序，该程序能够被处理器执行以实现如下的肿瘤新生抗原负荷检测方法：
获取检测对象的肿瘤组织DNA、对照样本DNA和肿瘤组织RNA的靶向捕获区域的测序数据；
对上述肿瘤组织DNA和对照样本DNA的靶向捕获区域的测序数据进行变异检测以发现体细胞突变，并对上述体细胞突变进行注释及计算突变位点前后第一设定数量的氨基酸的变化情况，作为突变肽段；
对上述肿瘤组织RNA的靶向捕获区域的测序数据进行融合基因检测以发现融合基因，并对上述融合基因进行注释及计算融合位点前后第二设定数量的氨基酸的变化情况，作为突变肽段；
对上述对照样本DNA的靶向捕获区域的测序数据进行HLA分型以获得HLA分型检测结果；
对上述突变肽段使用上述HLA分型检测结果预测新生抗原以发现潜在新生抗原；
按照以下公式计算TNB：TNB＝N/R，其中N为新生抗原数量，R为靶向捕获区域的实际测序区域大小；和
输出上述TNB检测结果。
本发明的肿瘤新生抗原负荷检测装置，对肿瘤组织及对照样本DNA测序结果分别进行比对，使用二者进行体细胞变异检测，同时使用对照样本DNA测序结果进行HLA基因分型，并且对肿瘤组织RNA测序结果进行比对，检测基因融合及表达状态。基于上述结果进行新生抗原预测，最终得到肿瘤新生抗原负荷。本发明可准确反映样本中肿瘤新生抗原负荷情况。该方法对靶向捕获区域而不是全外显子进行检测，在满足检测准确性的前提下，有效降低了测序数据量，减少成本。
附图说明
图1为本发明实施例的肿瘤新生抗原负荷检测装置结构框图；
图2为本发明实施例的样本测序实验流程图；
图3为本发明实施例的肿瘤新生抗原负荷检测方法流程图；
图4为本发明实施例中对中国人群食管癌样本分别使用全外显子区域(WES)和本发明的芯片设计区域(Panel)检测突变(Mutation)和新生抗原(Neoantigen Type)数量(Number per Mb)结果图；
图5为本发明实施例中患者接受免疫治疗后的生存曲线，横坐标为治疗后的时间(月，Months)，纵坐标为患者无进展生存的比例(Percent Progression-Free)，显示高TNB组与低TNB组的生存率有明显不同，可用于区分免疫治疗有效(Effective)和无效(Ineffective)患者。
具体实施方式
下面通过具体实施方式结合附图对本发明作进一步详细说明。在以下的实施方式中，很多细节描述是为了使得本发明能被更好的理解。然而，本领域技术人员可以毫不费力的认识到，其中部分特征在不同情况下是可以省略的，或者可以由其他元件、材料、方法所替代。
另外，说明书中所描述的特点、操作或者特征可以以任意适当的方式结合形成各种实施方式。同时，方法描述中的各步骤或者动作也可以按照本领域技术人员所能显而易见的方式进行顺序调换或调整。因此，说明书和附图中的各种顺序只是为了清楚描述某一个实施例，并不意味着是必须的顺序，除非另有说明其中某个顺序是必须遵循的。
本文中为部件所编序号本身，例如“第一”、“第二”等，仅用于区分所描述的对象，不具有任何顺序或技术含义。
如图1所示，本发明一个实施例中，肿瘤新生抗原负荷检测装置包括：数据获取单元101、体细胞变异检测单元102、融合基因检测单元103、HLA分型检测单元104、MHC亲和力预测单元105、TNB计算单元106和结果输出单元107。在优选实施例中，还包括突变表达水平检测单元108。
本发明实施例中，数据获取单元101，用于获取检测对象的肿瘤组织DNA、对照样本DNA和肿瘤组织RNA的靶向捕获区域的测序数据。检测对象可以是任何对象，尤其是任何人，包括健康人和疑似肿瘤患者。肿瘤组织可以是任何肿瘤组织，包括肺癌、膀胱癌、黑色素瘤等肿瘤组织。对照样本可以是任何非肿瘤组织类样本，尤其是癌旁组织或外周血样本。本发明采用靶向捕获区域而不是全部外显子DNA进行测序，在满足检测准确性的前提下有效降低了测序数据量，减少成本。
本发明实施例，采用靶向捕获区域的测序数据，而不是全基因组或全外显子的测序数据。其中，靶向捕获区域通过靶向捕获芯片获取，靶向捕获芯片设有靶向捕获探针，靶向捕获探针通过如下方法获得：(1)根据COSMIC数据库收集的基因表达信息，统计在肿瘤样本中发生表达的基因作为候选基因，例如，筛选标准为：在50％样本中表达量排在前50％的基因，以此作为候选基因；(2)将候选基因上每个外显子的碱基逐个替换为可能存在的突变碱基，对替换后的核苷酸序列进行注释，取突变位点前后预定数量(例如8-11个)氨基酸组成的肽段作为潜在突变肽段；(3)统计中国人群HLA基因型频率分布，得到设定数量(例如31种)频率最高的HLA基因型，作为中国人群代表基因型；(4)对每条潜在突变肽段根据设定数量(例如31种)中国人群代表基因型分别进行MHC亲和力预测，为消除计算误差，亲和力预测采用2种独立软件分别进行计算(例如分别使用NetMHCpan及MHCflurry软件计算)；(5)对所有亲和力预测结果进行统计获得潜在新生抗原肽段，例如，2种软件预测结果中，取突变肽段预测亲和力均小于50nM，且对应的野生型肽段预测亲和力均大于500nM的突变肽段为潜在新生抗原肽段；(6)对每条潜在新生抗原肽段回溯其突变位点，若位点位于COSMIC数据库中，则将此位点纳入设计范围，若位点位于Cancer Gene Census(肿瘤基因调查表)基因列表上所列基因上，也将此位点纳入设计范围；(7)计算基因组上每个外显子包含的设计位点数量，并按设计位点数量由高到低排序，选取总大小为设定大小(例如1.5M)的外显子，作为芯片捕获区域；(8)根据芯片捕获区域设计捕获探针。上述靶向捕获探针设计方法，不同于现有技术中的方法，能够捕获得到可准确反映样本中肿瘤新生抗原负荷情况的基因区域。
本发明一个实施例中，采用表1(下述)所示的基因的捕获区域进行测序获取测序数据，并进行后续分析，相比使用全外显子测序检测，有效降低了测序数据量，减少成本，并且能够真实反映肿瘤新生抗原负荷。测序数据包含了靶向捕获区域的测序读长(reads)，数据量可能是几个G的大小，例如在一个实施例中，对肿瘤组织及血液对照样本分别进行DNA提取、建库，采用靶向捕获技术进行捕获，使用PE150测序方式进行测序，肿瘤组织DNA测序数据的数据量3.5G，血液对照样本测序数据的数据量1.5G。此外，对肿瘤组织进行RNA提取、建库，使用PE150测序方式进行测序，数据量12G。
可以采用任何二代测序技术进行测序，例如在一个实施例中，采用Illumina测序技术，使用PE150测序方式进行测序。测序得到的下机测序数据需要经过一定预处理。例如，在一个实施例中，下机测序数据经过如下处理：(a)下机数据处理；(b)数据过滤及质控；(c)DNA序列比对及质控；(d)RNA序列比对及质控。
本发明实施例中，体细胞变异检测单元102，用于对肿瘤组织DNA和对照样本DNA的靶向捕获区域的测序数据进行变异检测以发现体细胞突变，并对体细胞突变进行注释及计算突变位点前后第一设定数量的氨基酸的变化情况，作为突变肽段。本发明一个实施例中，体细胞变异检测，使用samtools及varscan软件进行，得到原始变异结果。原始变异结果中包含较多假阳性变异，需要进行过滤。本发明一个实施例中，使用专利号为201711107001.6的基于二代测序的点突变检测过滤方法、装置和存储介质和专利号为201810273763.1的基于二代测序的插入缺失突变检测方法、装置和存储介质专利，根据突变碱基的碱基质量值、比对质量值、reads上相对位置、突变频率、是否为热点突变等因素进行统计分析，最终确定真实突变。本发明一个实施例中，首先使用SnpEff注释软件对体细胞突变结果进行注释，使用的参考基因集为GENCODE27，注释得到基因名称、转录本编号及位置信息、HGVS突变编号等基本信息。随后计算突变位点前后8-11个(即第一设定数量)氨基酸的变化情况，作为突变肽段。
本发明实施例中，融合基因检测单元103，用于对肿瘤组织RNA的靶向捕获区域的测序数据进行融合基因检测以发现融合基因，并对融合基因进行注释及计算融合位点前后第二设定数量的氨基酸的变化情况，作为突变肽段。本发明一个实施例中，融合基因使用RNA比对结果，通过专利号为201711107002.0的用于检测目标区域基因融合的方法、装置和存储介质专利算法进行检测，并对检测结果进行注释。随后计算融合位点前后8-11个(即第二设定数量)氨基酸的变化情况，作为突变肽段。
本发明实施例中，HLA分型检测单元104，用于对对照样本DNA的靶向捕获区域的测序数据进行HLA分型以获得HLA分型检测结果。本发明一个实施例中，使用bwa-hla和Polysolver软件对对照样本(血液样本)进行HLA分型，取二者交集作为检测结果。在优选实施例中，为消除肿瘤组织中HLA LOH的影响，又对肿瘤组织样本同样进行HLA分型。因此，HLA分型检测单元，还用于对肿瘤组织DNA的靶向捕获区域的测序数据进行HLA分型以获得HLA分型检测结果。
本发明实施例中，MHC亲和力预测单元105，用于对突变肽段使用HLA分型检测结果预测新生抗原以发现潜在新生抗原。本发明一个实施例中，对前述突变肽段使用检测到的HLA基因型预测新生抗原，预测方法可以采用申请号为201810601500.9的基于二代测序的肿瘤新生抗原检测方法、装置和存储介质专利。本发明一个实施例中，取突变肽段亲和力<500nM且野生型肽段亲和力>500nM的肽段为潜在新生抗原。
本发明实施例中，TNB计算单元106，用于按照以下公式计算TNB：TNB＝N/R，其中N为高质量新生抗原数量(单位为个)，高质量新生抗原数量计算方法为：根据上一步对每条新生抗原的打分按从大到小排序，选取得分大于0且排名前20的新生抗原为高质量新生抗原；R为靶向捕获区域的实际测序区域大小(单位为Mb)。
本发明实施例中，突变表达水平检测单元108，用于对肿瘤组织RNA的靶向捕获区域的测序数据的突变进行检测以判断DNA上的突变在RNA上是否存在。
本领域技术人员可以理解，上述实施方式中各种方法的全部或部分功能可以通过硬件的方式实现，也可以通过计算机程序的方式实现。当上述实施方式中全部或部分功能通过计算机程序的方式实现时，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器、随机存储器、磁盘、光盘、硬盘等，通过计算机执行该程序以实现上述功能。例如，将程序存储在设备的存储器中，当通过处理器执行存储器中程序，即可实现上述全部或部分功能。另外，当上述实施方式中全部或部分功能通过计算机程序的方式实现时，该程序也可以存储在服务器、另一计算机、磁盘、光盘、闪存盘或移动硬盘等存储介质中，通过下载或复制保存到本地设备的存储器中，或对本地设备的系统进行版本更新，当通过处理器执行存储器中的程序时，即可实现上述实施方式中全部或部分功能。
因此，本发明一个实施例提供一种肿瘤新生抗原负荷检测装置，该检测装置包括：存储器，用于存储程序；处理器，用于通过执行上述存储器存储的程序以实现如下的肿瘤新生抗原负荷检测方法：获取检测对象的肿瘤组织DNA、对照样本DNA和肿瘤组织RNA的靶向捕获区域的测序数据；对上述肿瘤组织DNA和对照样本DNA的靶向捕获区域的测序数据进行变异检测以发现体细胞突变，并对上述体细胞突变进行注释及计算突变位点前后第一设定数量的氨基酸的变化情况，作为突变肽段；对上述肿瘤组织RNA的靶向捕获区域的测序数据进行融合基因检测以发现融合基因，并对上述融合基因进行注释及计算融合位点前后第二设定数量的氨基酸的变化情况，作为突变肽段；对上述对照样本DNA的靶向捕获区域的测序数据进行HLA分型以获得HLA分型检测结果；对上述突变肽段使用上述HLA分型检测结果预测新生抗原以发现潜在新生抗原；按照以下公式计算TNB：TNB＝N/R，其中N为新生抗原数量，R为靶向捕获区域的实际测序区域大小；和输出上述TNB检测结果。
本发明一个实施例提供一种计算机可读存储介质，包括程序，该程序能够被处理器执行以实现如下的肿瘤新生抗原负荷检测方法：获取检测对象的肿瘤组织DNA、对照样本DNA和肿瘤组织RNA的靶向捕获区域的测序数据；对上述肿瘤组织DNA和对照样本DNA的靶向捕获区域的测序数据进行变异检测以发现体细胞突变，并对上述体细胞突变进行注释及计算突变位点前后第一设定数量的氨基酸的变化情况，作为突变肽段；对上述肿瘤组织RNA的靶向捕获区域的测序数据进行融合基因检测以发现融合基因，并对上述融合基因进行注释及计算融合位点前后第二设定数量的氨基酸的变化情况，作为突变肽段；对上述对照样本DNA的靶向捕获区域的测序数据进行HLA分型以获得HLA分型检测结果；对上述突变肽段使用上述HLA分型检测结果预测新生抗原以发现潜在新生抗原；按照以下公式计算TNB：TNB＝N/R，其中N为新生抗原数量，R为靶向捕获区域的实际测序区域大小；和输出上述TNB检测结果。
以下通过一个实施例对本发明进行详细描述，需要说明的是，该实施例仅是示例性的，不能理解为对本发明保护范围的限制。
实施例
如图2和图3所示，本实施例的肿瘤新生抗原负荷检测装置的开发与应用技术路线如下：
患者样本收集(肿瘤组织及血液)→DNA及RNA提取→高通量基因捕获测序→测序数据预处理→测序数据比对→体细胞变异检测分析→HLA分型→突变表达检测→新生抗原预测→TNB计算→TNB结果解读→指导肿瘤免疫治疗。具体实施如下：
1、靶向捕获芯片设计：
传统肿瘤新生抗原负荷检测通常采用全外显子测序，具有成本高、周期长的缺点。为解决此问题，本发明设计了一种靶向捕获芯片，只捕获特定基因序列并进行测序，有效降低了测序数据量，达到节省成本、缩短周期的目的。该靶向捕获芯片的设计过程是：
(1)根据COSMIC数据库(S.A.Forbes et al.,“COSMIC:Exploring the world’sknowledge of somatic mutations in human cancer,”Nucleic Acids Res.,vol.43,no.D1,pp.D805–D811,Oct.2015)收集的基因表达信息，统计在肿瘤样本中发生表达的基因。筛选标准为：在50％样本中表达量排在前50％的基因，以此作为候选基因。
(2)将候选基因上每个外显子的碱基逐个替换为可能存在的突变碱基，对替换后的核苷酸序列进行注释，取突变位点前后8-11个氨基酸组成的肽段作为潜在突变肽段。
(3)统计中国人群HLA基因型频率分布，得到31种频率最高的HLA基因型，作为中国人群代表基因型。
(4)对每条潜在突变肽段根据31种中国人群代表基因型分别进行MHC亲和力预测。为消除计算误差，亲和力预测采用2种独立软件分别进行计算(例如分别使用NetMHCpan及MHCflurry软件计算)。
(5)对所有亲和力预测结果进行统计。2种软件预测结果中，取突变肽段预测亲和力均小于50nM，且对应的野生型肽段预测亲和力均大于500nM的突变肽段为潜在新生抗原肽段。
(6)对每条潜在新生抗原肽段回溯其突变位点，若位点位于COSMIC突变数据库中，则将此位点纳入设计范围；若位点位于Cancer Gene Census基因列表上所列基因上，也将此位点纳入设计范围。
(7)计算基因组上每个外显子包含的设计位点数量，并按设计位点数量由高到低排序，选取总大小为1.5M的外显子，作为芯片捕获区域(表1)。
(8)添加HLA分型区域。对中国人群中常见的31种HLA基因型设计捕获探针。
(9)添加SNP质控位点。该质控位点的选择方法为：根据Cell Lines Project(K.Chen et al.,“Mutational landscape of gastric adenocarcinoma in Chinese:implications for prognosis and therapy.,”Proc.Natl.Acad.Sci.U.S.A.,vol.112,no.4,pp.1107–12,Jan.2015)数据库设计的质控位点，选择其中中国人群中突变频率在0.4-0.6区间的位点，根据PCR验证成功率排序，选择最高的28个SNP位点如下：rs1327118、rs1402695、rs1414904、rs1131498、rs1079820、rs1805087、rs1032807、rs1801262、rs1515002、rs1392265、rs11096957、rs1426003、rs1363333、rs3734440、rs156318、rs1843026、rs1368136、rs1105176、rs156697、rs12828016、rs1395936、rs1541836、rs1805034、rs1030687、rs171953、rs753381、rs1293153和rs1541290。
表1
对此设计的验证如下：
使用318例中国人群食管癌样本进行测试，分别使用全外显子区域和芯片设计区域检测突变和新生抗原，结果如图4所示，可见无论突变水平还是新生抗原数量，芯片结果均与全外显子结果处于同一水平，基本证明该靶向捕获芯片设计能够真实反映肿瘤新生抗原负荷。
2、实验方法优化：
传统肿瘤基因组检测方法通常采用肿瘤单样本检测，研究中发现这种方法无法有效区分体细胞突变与生殖细胞突变。该缺陷对于常规靶向检测影响不大，但对于肿瘤新生抗原负荷检测存在较大影响。为解决此问题，本发明采用了配对检测的方式，同时检测肿瘤组织及对照样本(癌旁组织或外周血)，配合后续的分析方法得到体细胞突变。
3、信息分析方法设计：
本发明包含的信息分析方法包括下机数据处理、数据过滤及质控、DNA序列比对及结果质控、RNA序列比对及结果质控、体细胞突变检测及结果过滤、变异结果注释、融合基因检测及注释、HLA分型、样本成对质控、突变表达水平检测、MHC亲和力预测、TNB计算、TNB用药指导等环节。上述信息分析方法通过自动化调度系统在生物信息分析集群上运行，稳定高效输出分析结果。
各信息分析环节详细介绍如下：
a)下机数据处理：测序仪产生的通常为专用格式数据，需首先转化为通用的fastq文件格式。此外，1张测序芯片上会混合多个样本，需要在分析之前将属于各个样本的数据拆分开来。本发明使用bcl2fastq软件对下机数据进行处理，并针对常用的NextSeq 500测序仪进行了参数上的优化，达到提高数据利用率、简化后续处理的目的。数据处理完毕后经过质控程序质控，判断数据产出及质量是否出现异常，无异常则进入下一步骤。
b)数据过滤及质控：测序仪产出的数据除包含有效数据外，还包括测序接头序列、低质量序列及N碱基组成的序列，这些序列会干扰后续分析，需要去除。本发明使用cutadapt软件进行上述操作。过滤后的数据使用质控软件进行质控，符合以下表2标准的数据为合格数据：
表2
| 参数 | 数值 |
| 净碱基(Clean_Base) | >2500Mb |
| Q20 | >95％ |
| Q30 | >80％ |
| GC | >45％且<50％ |
| GC-AT碱基分离(GC-AT_Seperation) | <0.500％ |
| N碱基比例(N_Rate) | <0.100％ |
| 平均读长长度(Average_read_length) | >120bp且<＝151bp |
| 读长长度方差(Read_length_stddev) | <20.000 |
| 平均碱基质量(Average_base_quality) | >32.000 |
| 净碱基率(Clean_base_ratio) | >80％ |
c)DNA序列比对及质控：DNA序列比对采用bwa mem算法进行，使用的参考基因组为GRCh37.73。比对结果直接进行去重合排序处理，不需生成临时文件，达到节省时间及空间的目的。比对结果使用质控软件进行质控，符合以下表3标准的数据为合格数据：
表3
| 参数 | 数值 |
| 比对率(Mapping_rate) | >99％ |
| 比对质量(Mapping_quality) | >35 |
| 插入片段大小(Insert_size) | <180bp且>120bp |
| 重复率(Duplication_rate) | <30％ |
| 捕获率(Capture_rate) | >50％ |
| 目标片段深度(Depth_in_target) | >500X |
| 目标片段覆盖(Target_coverage) | >98％ |
| 目标片段_500X(Target_500X) | >70％ |
| 目标片段_100X(Target_100X) | >90％ |
| 目标片段_10X(Target_10X) | >90％ |
d)RNA序列比对及质控：RNA序列比对采用STAR软件进行，使用的参考基因组为GRCh38，使用的参考基因集为GENCODE27。比对结果使用质控软件进行质控，数据量达标且转录本数量达到饱和的数据为合格数据。
e)体细胞变异检测及结果过滤：本方法对肿瘤组织和对照样本数据同时进行变异检测，发现体细胞突变。变异检测使用samtools及varscan软件进行，得到原始变异结果。变异检测原始结果中包含较多假阳性变异，需要进行过滤。使用专利号为201711107001.6的《基于二代测序的点突变检测过滤方法、装置和存储介质》和专利号为201810273763.1的《基于二代测序的插入缺失突变检测方法、装置和存储介质》专利，根据突变碱基的碱基质量值、比对质量值、reads上相对位置、突变频率、是否为热点突变等因素进行统计分析，最终确定真实突变。
f)变异结果注释：本方法首先使用SnpEff注释软件对突变结果进行注释，使用的参考基因集为GENCODE27。注释得到基因名称、转录本编号及位置信息、HGVS突变编号等基本信息；随后计算突变位点前后8-11个氨基酸的变化情况，作为突变肽段。
g)融合基因检测及注释：融合基因使用RNA比对结果，通过专利号为201711107002.0的《用于检测目标区域基因融合的方法、装置和存储介质》专利算法进行检测，并对检测结果进行注释。随后计算融合位点前后8-11个氨基酸的变化情况，作为突变肽段。
h)HLA分型：本发明使用bwa-hla及Polysolver软件对血液样本进行HLA分型，取二者交集作为检测结果。此外为消除肿瘤中HLA LOH的影响，又对肿瘤样本同样使用bwa-hla及Polysolver软件进行HLA分型，取二者交集作为检测结果。
i)样本成对质控：为确保检测的肿瘤与对照样本来自同一个人，本方法在捕获芯片上设计了28个多态性位点(rs1327118、rs1402695、rs1414904、rs1131498、rs1079820、rs1805087、rs1032807、rs1801262、rs1515002、rs1392265、rs11096957、rs1426003、rs1363333、rs3734440、rs156318、rs1843026、rs1368136、rs1105176、rs156697、rs12828016、rs1395936、rs1541836、rs1805034、rs1030687、rs171953、rs753381、rs1293153和rs1541290)，这些位点具有人群多态性，在不同人中表现为不同基因型，可用于成对质控。
j)突变表达水平检测：为确保DNA水平的突变最终翻译成突变蛋白质，本发明同时对RNA上的突变进行检测，判断DNA上的突变在RNA上是否存在。
k)MHC亲和力预测：对前述突变肽段使用检测到的HLA基因型预测新生抗原，预测方法可以参照专利号为201810601500.9的《基于二代测序的肿瘤新生抗原检测方法、装置和存储介质》专利。取突变肽段亲和力<500nM且野生型肽段亲和力>500nM的肽段为潜在新生抗原。
l)TNB计算：取最终得到的高质量新生抗原，按照以下公式计算TNB：
TNB＝N/R，其中，N为高质量新生抗原数量(单位为个)，R为芯片实际测序区域大小(单位为Mb)。
m)TNB用药指导：本方法根据收集的国内外临床试验信息及基因组数据库信息，设定TNB用药指导原则如下(Neos表示新生抗原)：
TNB-H：TNB>4.5Neos/Mb；
TNB-M：0.5Neos/Mb≤TNB≤4.5Neos/Mb；
TNB-L：TNB<0.5Neos/Mb；
TNB越高，越有可能从anti-PD-L1免疫治疗中获益。
对上述信息分析方法的验证如下：使用文献(N.A.Rizvi et al.,“Mutationallandscape determines sensitivity to PD-1 blockade in non-small cell lungcancer,”Science(80-.).,vol.348,no.6230,pp.124–128,Apr.2015)发表的34例非小细胞肺癌病例，使用上述芯片捕获区域及信息分析方法对原始数据进行分析，结果如图5所示，该图为患者接受免疫治疗后的生存曲线，横坐标为治疗后的时间(月)，纵坐标为患者无进展生存的比例。图中同样可以看到高TNB组与低TNB组的生存率有明显不同。上述结果证明本发明的方法得出的TNB结果可用于区分免疫治疗有效和无效患者，达到用药指导的目的。
使用上述数据，分别按照基于TMB的传统方法及本发明提出的新方法进行疗效预测，结果如下表4所示：
表4
表4的结果显示：本发明的准确性优于传统方法，能够更好地指导免疫治疗。
以上应用了具体个例对本发明进行阐述，只是用于帮助理解本发明，并不用以限制本发明。对于本发明所属技术领域的技术人员，依据本发明的思想，还可以做出若干简单推演、变形或替换。
Claims (10)
1.一种肿瘤新生抗原负荷检测装置，其特征在于，所述检测装置包括：
数据获取单元，用于获取检测对象的肿瘤组织DNA、对照样本DNA和肿瘤组织RNA的靶向捕获区域的测序数据；
体细胞变异检测单元，用于对所述肿瘤组织DNA和对照样本DNA的靶向捕获区域的测序数据进行变异检测以发现体细胞突变，并对所述体细胞突变进行注释及计算突变位点前后第一设定数量的氨基酸的变化情况，作为突变肽段；
融合基因检测单元，用于对所述肿瘤组织RNA的靶向捕获区域的测序数据进行融合基因检测以发现融合基因，并对所述融合基因进行注释及计算融合位点前后第二设定数量的氨基酸的变化情况，作为突变肽段；
HLA分型检测单元，用于对所述对照样本DNA的靶向捕获区域的测序数据进行HLA分型以获得HLA分型检测结果；
MHC亲和力预测单元，用于对所述突变肽段使用所述HLA分型检测结果预测新生抗原以发现潜在新生抗原；
TNB计算单元，用于按照以下公式计算TNB：TNB＝N/R，其中N为新生抗原数量，R为靶向捕获区域的实际测序区域大小；和
结果输出单元，用于输出所述TNB检测结果。
2.根据权利要求1所述的检测装置，其特征在于，所述对照样本选自癌旁组织或外周血样本。
3.根据权利要求1所述的检测装置，其特征在于，所述第一设定数量为8-11；所述第二设定数量为8-11。
4.根据权利要求1所述的检测装置，其特征在于，所述HLA分型检测单元，还用于对所述肿瘤组织DNA的靶向捕获区域的测序数据进行HLA分型以获得HLA分型检测结果。
5.根据权利要求1所述的检测装置，其特征在于，所述检测装置还包括：
突变表达水平检测单元，用于对所述肿瘤组织RNA的靶向捕获区域的测序数据的突变进行检测以判断DNA上的突变在RNA上是否存在。
6.根据权利要求1所述的检测装置，其特征在于，所述潜在新生抗原是所述突变肽段中亲和力<500nM且野生型肽段亲和力>500nM的肽段。
7.根据权利要求1所述的检测装置，其特征在于，所述靶向捕获区域通过靶向捕获芯片捕获，所述靶向捕获芯片设有靶向捕获探针，所述靶向捕获探针通过如下方法获得：
(1)根据COSMIC数据库收集的基因表达信息，统计在肿瘤样本中发生表达的基因作为候选基因；
(2)将所述候选基因上每个外显子的碱基逐个替换为可能存在的突变碱基，对替换后的核苷酸序列进行注释，取突变位点前后预定数量氨基酸组成的肽段作为潜在突变肽段；
(3)统计中国人群HLA基因型频率分布，得到设定数量的频率最高的HLA基因型，作为中国人群代表基因型；
(4)对每条所述潜在突变肽段根据设定数量的中国人群代表基因型分别进行MHC亲和力预测；
(5)对所有亲和力预测结果进行统计获得潜在新生抗原肽段；
(6)对每条所述潜在新生抗原肽段回溯其突变位点，若所述位点位于COSMIC数据库中，则将该位点纳入设计范围，若所述位点位于Cancer Gene Census基因列表上所列基因上，也将该位点纳入设计范围；
(7)计算基因组上每个外显子包含的设计位点数量，并按所述设计位点数量由高到低排序，选取总大小为设定大小的外显子作为芯片捕获区域；和
(8)根据所述芯片捕获区域设计所述捕获探针；
优选地，所述靶向捕获区域包括如下表1所示的基因的捕获区域：
表1
8.根据权利要求7所述的检测装置，其特征在于，所述靶向捕获区域还包括用于样本成对质控的多态性位点，所述多态性位点是rs1327118、rs1402695、rs1414904、rs1131498、rs1079820、rs1805087、rs1032807、rs1801262、rs1515002、rs1392265、rs11096957、rs1426003、rs1363333、rs3734440、rs156318、rs1843026、rs1368136、rs1105176、rs156697、rs12828016、rs1395936、rs1541836、rs1805034、rs1030687、rs171953、rs753381、rs1293153和rs1541290，所述多态性位点确保检测的肿瘤组织和对照样本来自同一检测对象。
9.一种肿瘤新生抗原负荷检测装置，其特征在于，所述检测装置包括：
存储器，用于存储程序；
处理器，用于通过执行所述存储器存储的程序以实现如下的肿瘤新生抗原负荷检测方法：
获取检测对象的肿瘤组织DNA、对照样本DNA和肿瘤组织RNA的靶向捕获区域的测序数据；
对所述肿瘤组织DNA和对照样本DNA的靶向捕获区域的测序数据进行变异检测以发现体细胞突变，并对所述体细胞突变进行注释及计算突变位点前后第一设定数量的氨基酸的变化情况，作为突变肽段；
对所述肿瘤组织RNA的靶向捕获区域的测序数据进行融合基因检测以发现融合基因，并对所述融合基因进行注释及计算融合位点前后第二设定数量的氨基酸的变化情况，作为突变肽段；
对所述对照样本DNA的靶向捕获区域的测序数据进行HLA分型以获得HLA分型检测结果；
对所述突变肽段使用所述HLA分型检测结果预测新生抗原以发现潜在新生抗原；
按照以下公式计算TNB：TNB＝N/R，其中N为新生抗原数量，R为靶向捕获区域的实际测序区域大小；和
输出所述TNB检测结果。
10.一种计算机可读存储介质，其特征在于，包括程序，所述程序能够被处理器执行以实现如下的肿瘤新生抗原负荷检测方法：
获取检测对象的肿瘤组织DNA、对照样本DNA和肿瘤组织RNA的靶向捕获区域的测序数据；
对所述肿瘤组织DNA和对照样本DNA的靶向捕获区域的测序数据进行变异检测以发现体细胞突变，并对所述体细胞突变进行注释及计算突变位点前后第一设定数量的氨基酸的变化情况，作为突变肽段；
对所述肿瘤组织RNA的靶向捕获区域的测序数据进行融合基因检测以发现融合基因，并对所述融合基因进行注释及计算融合位点前后第二设定数量的氨基酸的变化情况，作为突变肽段；
对所述对照样本DNA的靶向捕获区域的测序数据进行HLA分型以获得HLA分型检测结果；
对所述突变肽段使用所述HLA分型检测结果预测新生抗原以发现潜在新生抗原；
按照以下公式计算TNB：TNB＝N/R，其中N为新生抗原数量，R为靶向捕获区域的实际测序区域大小；和
输出所述TNB检测结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811642537.2A CN109706065A (zh) | 2018-12-29 | 2018-12-29 | 肿瘤新生抗原负荷检测装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811642537.2A CN109706065A (zh) | 2018-12-29 | 2018-12-29 | 肿瘤新生抗原负荷检测装置及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109706065A true CN109706065A (zh) | 2019-05-03 |
Family
ID=66259593
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811642537.2A Pending CN109706065A (zh) | 2018-12-29 | 2018-12-29 | 肿瘤新生抗原负荷检测装置及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109706065A (zh) |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110387419A (zh) * | 2019-08-20 | 2019-10-29 | 裕策医疗器械江苏有限公司 | 实体瘤多基因检测基因芯片及其制备方法和检测装置 |
| CN110600077A (zh) * | 2019-08-29 | 2019-12-20 | 北京优迅医学检验实验室有限公司 | 肿瘤新抗原的预测方法及其应用 |
| CN111192632A (zh) * | 2019-12-16 | 2020-05-22 | 深圳市新合生物医疗科技有限公司 | 整合dna和rna的深度测序数据提取基因融合免疫治疗新抗原的方法和装置 |
| CN111415707A (zh) * | 2020-03-10 | 2020-07-14 | 四川大学 | 临床个体化肿瘤新抗原的预测方法 |
| CN112151116A (zh) * | 2019-06-27 | 2020-12-29 | 天津中科智虹生物科技有限公司 | 一种肿瘤基因测序的方法和装置 |
| CN112309502A (zh) * | 2020-10-14 | 2021-02-02 | 深圳市新合生物医疗科技有限公司 | 一种计算肿瘤新抗原负荷的方法及系统 |
| CN112908421A (zh) * | 2021-03-22 | 2021-06-04 | 普瑞基准生物医药(苏州)有限公司 | 肿瘤新生抗原预测方法、装置、设备及介质 |
| CN113053458A (zh) * | 2021-01-19 | 2021-06-29 | 深圳裕康医学检验实验室 | 一种肿瘤新生抗原负荷的预测方法及装置 |
| CN113155510A (zh) * | 2021-04-16 | 2021-07-23 | 伊达生物有限公司 | 组织细胞分割采样系统和方法 |
| CN114974412A (zh) * | 2022-07-05 | 2022-08-30 | 至本医疗科技（上海）有限公司 | 生成目标对象的肿瘤检测数据的方法、设备和介质 |
| CN117174166A (zh) * | 2023-10-26 | 2023-12-05 | 北京基石京准诊断科技有限公司 | 基于三代测序数据的肿瘤新抗原预测方法及系统 |
| CN118326008A (zh) * | 2024-04-18 | 2024-07-12 | 香港大学深圳医院 | 一种基于panel基因测序数据的肿瘤新抗原、筛选方法及应用 |
| CN119446264A (zh) * | 2025-01-09 | 2025-02-14 | 天津市肿瘤医院空港医院 | 一种恶性实体肿瘤的新抗原预测方法及系统 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103180730A (zh) * | 2010-05-14 | 2013-06-26 | 综合医院公司 | 鉴定肿瘤特异性新抗原的组合物和方法 |
| WO2015063302A2 (en) * | 2013-11-04 | 2015-05-07 | Immatics Biotechnologies Gmbh | Personalized immunotherapy against several neuronal and brain tumors |
| CN105524984A (zh) * | 2014-09-30 | 2016-04-27 | 深圳华大基因科技有限公司 | 预测新抗原表位的方法及设备 |
| US20160298185A1 (en) * | 2013-12-05 | 2016-10-13 | The Broad Institute Inc. | Polymorphic gene typing and somatic change detection using sequencing data |
| US20170199961A1 (en) * | 2015-12-16 | 2017-07-13 | Gritstone Oncology, Inc. | Neoantigen Identification, Manufacture, and Use |
| WO2017147139A1 (en) * | 2016-02-22 | 2017-08-31 | Oceanside Biotechnology | Neoantigen compositions and methods of using the same in immunooncotherapy |
| CN108351916A (zh) * | 2015-07-14 | 2018-07-31 | 个人基因组诊断公司 | 新生抗原分析 |
| CN108491689A (zh) * | 2018-02-01 | 2018-09-04 | 杭州纽安津生物科技有限公司 | 基于转录组的肿瘤新抗原鉴定方法 |
| CN108796055A (zh) * | 2018-06-12 | 2018-11-13 | 深圳裕策生物科技有限公司 | 基于二代测序的肿瘤新生抗原检测方法、装置和存储介质 |
| CN109033749A (zh) * | 2018-06-29 | 2018-12-18 | 深圳裕策生物科技有限公司 | 一种肿瘤突变负荷检测方法、装置和存储介质 |
| CN109022553A (zh) * | 2018-06-29 | 2018-12-18 | 深圳裕策生物科技有限公司 | 用于肿瘤突变负荷检测的基因芯片及其制备方法和装置 |
| CN109021062A (zh) * | 2018-08-06 | 2018-12-18 | 倍而达药业（苏州）有限公司 | 一种肿瘤新抗原的筛选方法 |
-
2018
- 2018-12-29 CN CN201811642537.2A patent/CN109706065A/zh active Pending
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103180730A (zh) * | 2010-05-14 | 2013-06-26 | 综合医院公司 | 鉴定肿瘤特异性新抗原的组合物和方法 |
| WO2015063302A2 (en) * | 2013-11-04 | 2015-05-07 | Immatics Biotechnologies Gmbh | Personalized immunotherapy against several neuronal and brain tumors |
| US20160298185A1 (en) * | 2013-12-05 | 2016-10-13 | The Broad Institute Inc. | Polymorphic gene typing and somatic change detection using sequencing data |
| CN105524984A (zh) * | 2014-09-30 | 2016-04-27 | 深圳华大基因科技有限公司 | 预测新抗原表位的方法及设备 |
| CN108351916A (zh) * | 2015-07-14 | 2018-07-31 | 个人基因组诊断公司 | 新生抗原分析 |
| US20170199961A1 (en) * | 2015-12-16 | 2017-07-13 | Gritstone Oncology, Inc. | Neoantigen Identification, Manufacture, and Use |
| CN108601731A (zh) * | 2015-12-16 | 2018-09-28 | 磨石肿瘤生物技术公司 | 新抗原的鉴别、制造及使用 |
| WO2017147139A1 (en) * | 2016-02-22 | 2017-08-31 | Oceanside Biotechnology | Neoantigen compositions and methods of using the same in immunooncotherapy |
| CN108491689A (zh) * | 2018-02-01 | 2018-09-04 | 杭州纽安津生物科技有限公司 | 基于转录组的肿瘤新抗原鉴定方法 |
| CN108796055A (zh) * | 2018-06-12 | 2018-11-13 | 深圳裕策生物科技有限公司 | 基于二代测序的肿瘤新生抗原检测方法、装置和存储介质 |
| CN109033749A (zh) * | 2018-06-29 | 2018-12-18 | 深圳裕策生物科技有限公司 | 一种肿瘤突变负荷检测方法、装置和存储介质 |
| CN109022553A (zh) * | 2018-06-29 | 2018-12-18 | 深圳裕策生物科技有限公司 | 用于肿瘤突变负荷检测的基因芯片及其制备方法和装置 |
| CN109021062A (zh) * | 2018-08-06 | 2018-12-18 | 倍而达药业（苏州）有限公司 | 一种肿瘤新抗原的筛选方法 |
Non-Patent Citations (5)
| Title |
|---|
| HARTMAIER RJ, ET AL.: "Genomic analysis of 63,220 tumors reveals insights into tumor uniqueness and targeted cancer immunotherapy strategies.", 《GENOME MED.》 * |
| KARASAKI T, ET AL.: "Neoantigens and Whole-Exome Sequencing", 《GAN TO KAGAKU RYOHO.》 * |
| L.CHEN,: ""P1.07-026 Predicting Tumor Mutational Burden (TMB) and Tumor Neoantigen Burden (TNB) of East Asian ANSCLC Patients by a Targeted Genomic Profiling"", 《JOURNAL OF THORACIC ONCOLOGY》 * |
| ŁUKSZA M, ET AL.: "A neoantigen fitness model predicts tumour response to checkpoint blockade immunotherapy.", 《NATURE》 * |
| 闵慜，等: "PD-1/PD-L1阻断治疗及其疗效预测研究进展", 《现代免疫学》 * |
Cited By (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112151116A (zh) * | 2019-06-27 | 2020-12-29 | 天津中科智虹生物科技有限公司 | 一种肿瘤基因测序的方法和装置 |
| CN110387419A (zh) * | 2019-08-20 | 2019-10-29 | 裕策医疗器械江苏有限公司 | 实体瘤多基因检测基因芯片及其制备方法和检测装置 |
| CN110600077A (zh) * | 2019-08-29 | 2019-12-20 | 北京优迅医学检验实验室有限公司 | 肿瘤新抗原的预测方法及其应用 |
| CN111192632A (zh) * | 2019-12-16 | 2020-05-22 | 深圳市新合生物医疗科技有限公司 | 整合dna和rna的深度测序数据提取基因融合免疫治疗新抗原的方法和装置 |
| CN111192632B (zh) * | 2019-12-16 | 2023-06-13 | 深圳市新合生物医疗科技有限公司 | 整合dna和rna的深度测序数据提取基因融合免疫治疗新抗原的方法和装置 |
| CN111415707B (zh) * | 2020-03-10 | 2023-04-25 | 四川大学 | 临床个体化肿瘤新抗原的预测方法 |
| CN111415707A (zh) * | 2020-03-10 | 2020-07-14 | 四川大学 | 临床个体化肿瘤新抗原的预测方法 |
| CN112309502A (zh) * | 2020-10-14 | 2021-02-02 | 深圳市新合生物医疗科技有限公司 | 一种计算肿瘤新抗原负荷的方法及系统 |
| CN112309502B (zh) * | 2020-10-14 | 2024-09-20 | 深圳市新合生物医疗科技有限公司 | 一种计算肿瘤新抗原负荷的方法及系统 |
| CN113053458A (zh) * | 2021-01-19 | 2021-06-29 | 深圳裕康医学检验实验室 | 一种肿瘤新生抗原负荷的预测方法及装置 |
| CN113053458B (zh) * | 2021-01-19 | 2023-08-04 | 深圳裕康医学检验实验室 | 一种肿瘤新生抗原负荷的预测方法及装置 |
| CN112908421A (zh) * | 2021-03-22 | 2021-06-04 | 普瑞基准生物医药(苏州)有限公司 | 肿瘤新生抗原预测方法、装置、设备及介质 |
| CN112908421B (zh) * | 2021-03-22 | 2024-02-06 | 普瑞基准生物医药(苏州)有限公司 | 肿瘤新生抗原预测方法、装置、设备及介质 |
| CN113155510A (zh) * | 2021-04-16 | 2021-07-23 | 伊达生物有限公司 | 组织细胞分割采样系统和方法 |
| CN113155510B (zh) * | 2021-04-16 | 2024-05-10 | 伊达生物有限公司 | 组织细胞分割采样系统和方法 |
| CN114974412A (zh) * | 2022-07-05 | 2022-08-30 | 至本医疗科技（上海）有限公司 | 生成目标对象的肿瘤检测数据的方法、设备和介质 |
| CN117174166A (zh) * | 2023-10-26 | 2023-12-05 | 北京基石京准诊断科技有限公司 | 基于三代测序数据的肿瘤新抗原预测方法及系统 |
| CN117174166B (zh) * | 2023-10-26 | 2024-03-26 | 北京基石生命科技有限公司 | 基于三代测序数据的肿瘤新抗原预测方法及系统 |
| CN118326008A (zh) * | 2024-04-18 | 2024-07-12 | 香港大学深圳医院 | 一种基于panel基因测序数据的肿瘤新抗原、筛选方法及应用 |
| CN119446264A (zh) * | 2025-01-09 | 2025-02-14 | 天津市肿瘤医院空港医院 | 一种恶性实体肿瘤的新抗原预测方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109706065A (zh) | 肿瘤新生抗原负荷检测装置及存储介质 | |
| Li et al. | Machine learning for lung cancer diagnosis, treatment, and prognosis | |
| CN109022553B (zh) | 用于肿瘤突变负荷检测的基因芯片及其制备方法和装置 | |
| CN109033749B (zh) | 一种肿瘤突变负荷检测方法、装置和存储介质 | |
| CN109411015A (zh) | 基于循环肿瘤dna的肿瘤突变负荷检测装置及存储介质 | |
| CN109880910A (zh) | 一种肿瘤突变负荷的检测位点组合、检测方法、检测试剂盒及系统 | |
| CN109637590A (zh) | 一种基于基因组测序的微卫星不稳定性检测系统及方法 | |
| CN113168886A (zh) | 用于使用神经网络进行种系和体细胞变体调用的系统和方法 | |
| CN109801680B (zh) | 基于tcga数据库的肿瘤转移复发预测方法及系统 | |
| CN108021788B (zh) | 基于细胞游离dna的深度测序数据提取生物标记物的方法和装置 | |
| CN110387419A (zh) | 实体瘤多基因检测基因芯片及其制备方法和检测装置 | |
| CN106021994B (zh) | 一种肿瘤突变位点筛选及互斥基因挖掘的方法 | |
| CN113096728A (zh) | 一种微小残余病灶的检测方法、装置、存储介质及设备 | |
| CN111139291A (zh) | 一种单基因遗传性疾病高通量测序分析方法 | |
| Guo et al. | Strong positive selection biases identity-by-descent-based inferences of recent demography and population structure in Plasmodium falciparum | |
| CN107292129A (zh) | 易感基因型检测方法 | |
| Fang et al. | Stereopy: modeling comparative and spatiotemporal cellular heterogeneity via multi-sample spatial transcriptomics | |
| van Riemsdijk et al. | Next-generation phylogeography of the banded newts (Ommatotriton): a phylogenetic hypothesis for three ancient species with geographically restricted interspecific gene flow and deep intraspecific genetic structure | |
| KR101990430B1 (ko) | 암의 재발 예후 예측을 위한 바이오마커 발굴 시스템 및 방법 | |
| CN114078567A (zh) | 一种基于cfDNA的肿瘤负荷检测装置及检测方法 | |
| Liu et al. | Prediction of tumor mutation load in colorectal cancer histopathological images based on deep learning | |
| CN114067908B (zh) | 一种评估单样本同源重组缺陷的方法、装置和存储介质 | |
| CN107885972A (zh) | 一种基于单端测序的融合基因检测方法及其应用 | |
| Liu et al. | Identification of prognostic coagulation-related signatures in clear cell renal cell carcinoma through integrated multi-omics analysis and machine learning | |
| CN117877575A (zh) | 区分胚系变异和体细胞变异的方法和装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190503 |