  computational genomic tools to dissecting cancer immunology Nature Reviews Genetics17,441–458(2016) doi:10.1038/nrg.2016.67  癌症免疫周期和肿瘤的免疫结构。 a |癌症免疫周期包括几个连续的步骤：癌细胞产生的新抗原在癌细胞死亡后被树突状细胞捕获。接下来，树突细胞将主要组织相容性复合物（MHC）分子中的捕获的抗原呈递给T细胞，导致针对癌症特异性抗原的效应T细胞应答的引发和激活。由趋化因子梯度引导，活化的T细胞流入并浸润肿瘤部位。 T细胞通过T细胞受体（TCR）和新抗原MHC复合物之间的相互作用特异性识别和结合癌细胞，并杀死癌细胞（溶细胞活性）。各种分子和基因组学工具可用于评估这些癌症免疫细胞相互作用及其刺激或抑制因子的各个阶段。 b |肿瘤常常被适应性免疫系统的免疫细胞类型浸润，包括B细胞，细胞毒性T淋巴细胞（CTLs），记忆T细胞，辅助T细胞和调节性T细胞（Treg）。此外，肿瘤被先天免疫系统的细胞浸润，包括巨噬细胞，树突细胞，肥大细胞，天然杀伤细胞和骨髓来源的抑制细胞（MDSC）。 APC，抗原呈递细胞; CD80，T淋巴细胞活化抗原CD80; CTLA4，细胞毒性T淋巴细胞相关蛋白4; PD1，程序性细胞死亡1; PDL1，PD1配体 02  在刚刚结束的CTONG年会上，吴一龙教授介绍的基于使用二代测序（NGS）技术的肿瘤分子谱分析和基于肽或RNA的疫苗的vaccine策略被认为是personalized immunotherapy，目前在许多临床试验中进行了评估。采用engineered T细胞进行实体瘤治疗，也是重要的个体化免疫的重要策略，预计随着新型基因组编辑技术的发展，以及对肿瘤细胞和肿瘤微环境相互作用的深入理解，这些个体化免疫策略将有可能在将来获得普遍应用。 03 肿瘤免疫和personalized approach  基于疫苗接种策略或engineering T细胞治疗的精准免疫，需要借助于一流的molecular tools，包括一流的NGS平台和IT系统工具，如图所示。需要应用computational genomic tools对大量的数据进行处理。在这篇review，系统介绍了用于分析和解构肿瘤细胞—免疫细胞相互作用的免疫微环境的computational genomic tools ，基于高通量测序数据的高层次分析，包括定量肿瘤浸润淋巴细胞（TILs），肿瘤抗原的鉴定和分析的T细胞受体（TCRs），并提供信息要求和功能，以帮助选择工具和组装分析平台“analytical pipelines “。 04 Determining cellular composition of tumour infiltrates using genomic data  a |免疫表型，特别是肿瘤组织中肿瘤浸润淋巴细胞（TILs）的组成可以使用个体或计算工具的组合（即，基因表达谱，DNA甲基化谱或免疫组织化学）基因组浓缩分析（GSEA），去卷积和/或图像分析）。 b |免疫相关基因特征来源于不同免疫细胞类型，细胞状态和公开数据（包括正常组织和癌细胞系作为外组）的干扰的表达谱。 c |大块组织中的基因表达谱（m）是细胞型特异性基因表达特征（S）与不同混合细胞类型（f）的分数卷积的结果 05 Identification of cancer neoantigens.  a |新抗原起源于癌细胞中表达的突变蛋白。突变的蛋白质被蛋白酶体切割成较短的肽，并通过与抗原加工（TAP）相关的转运蛋白转运到内质网，其中肽结合主要组织相容性复合物（MHC）分子。然后，肽-MHC复合物显示在抗原呈递细胞的细胞表面上，以被CD8 T细胞的T细胞受体（TCR）识别。 b |基于测序（NGS）数据的新抗原识别需要实施若干计算任务：从全外切片测序（WES），全基因组测序（WGS）或RNA测序（RNA-seq）数据从匹配的肿瘤/正常组织样本中发现突变的短肽;通过整合肿瘤样本的RNA-seq数据来选择表达的肽;来自WES的人类白细胞抗原（HLA）分型，肿瘤样品的WGS或RNA-seq数据;并预测特异性HLA等位基因的肽-MHC结合。  Assembling analytical pipelines 为了帮助研究者更好的进行分析工具的选择和平台“组装”，本文综述了用于癌症免疫学的计算基因组学工具，内容还涵盖： ·Prediction of neoantigen–MHC binding affinity. ·TCR profiling · 。。。。。  原文下载链接: https://pan.baidu.com/s/1jI1fL9k 密码: umxq |
|
|
