[发明专利]新生抗原分析在审
申请号: | 201680050906.1 | 申请日: | 2016-07-14 |
公开(公告)号: | CN108351916A | 公开(公告)日: | 2018-07-31 |
发明(设计)人: | V·瓦库雷斯库;T·张;J·R·怀特;L·迪亚斯 | 申请(专利权)人: | 个人基因组诊断公司 |
主分类号: | G06F19/22 | 分类号: | G06F19/22;G01N33/569;G01N33/68 |
代理公司: | 上海德昭知识产权代理有限公司 31204 | 代理人: | 郁旦蓉 |
地址: | 美国马*** | 国省代码: | 美国;US |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 抗原 突变体等位基因 癌症治疗 表达水平 测序数据 抗原分析 抗原加工 实验验证 免疫学 潜在的 新途径 优先化 蛋白质 癌症 筛选 验证 预测 分析 | ||
1.一种用于优先化对于患者的候选新生抗原的方法,所述方法包括以下步骤:
获得多个候选新生抗原;
确定所述多个候选新生抗原的成员的自相似性;
确定所述多个候选新生抗原的成员与已知抗原的相似性;
确定所述多个候选新生抗原的成员的表达水平;
鉴定对所述多个候选新生抗原的成员编码的外显子中的突变体等位基因频率;及将规则应用于所述确定步骤和鉴定步骤的结果,以根据临床显著性的可能性对所述多个候选新生抗原的成员进行排序。
2.如权利要求1所述的方法,所述方法进一步包括准备包含经排序的所述多个候选新生抗原的成员的报告。
3.如权利要求1所述的方法,其中所述多个候选新生抗原衍生自患者肿瘤样本。
4.如权利要求1所述的方法,其中所述多个候选新生抗原是通过确定从肿瘤样本获得的候选肽的HLA基因型和MHC结合亲和力来获得。
5.如权利要求4所述的方法,其中候选肽的所述HLA基因型和所述MHC结合亲和力是从肽序列数据经由电脑分析来确定。
6.如权利要求4所述的方法,其中候选肽的所述HLA基因型和所述MHC结合亲和力是通过测定来确定。
7.如权利要求4所述的方法,其中所述候选肽是通过将来自所述肿瘤样本的肽与来自正常样本的相应的肽进行比较而获得,其中候选肽相对于所述相应的肽包含一突变。
8.如权利要求4所述的方法,其中所述应用步骤包括从所述多个候选新生抗原中排除具有大于1000nM的MHC结合亲和力的候选新生抗原。
9.如权利要求8所述的方法,其中所述应用步骤包括从所述多个候选新生抗原中排除具有大于750nM的MHC结合亲和力的候选新生抗原。
10.如权利要求9所述的方法,其中所述应用步骤包括从所述多个候选新生抗原中排除具有大于500nM的MHC结合亲和力的候选新生抗原。
11.如权利要求1所述的方法,其中所述多个候选新生抗原各自被编配为强结合(SB)或弱结合(WB)的MHC分类,并且所述应用步骤包括对所述多个新生抗原进行排序,使得SB候选新生抗原排序高于WB候选新生抗原。
12.如权利要求1所述的方法,所述方法进一步包括:
确定所述多个新生抗原的成员的抗原肽加工分类。
13.如权利要求12所述的方法,其中所述多个新生抗原被编配为表位(E)或非抗原(NA)的分类,并且所述应用步骤包括对所述多个新生抗原进行排序,使得E候选新生抗原排序高于NA候选新生抗原。
14.如权利要求1所述的方法,其中所述应用步骤包括对所述多个新生抗原进行排序,使得具有较低自相似性的候选新生抗原排序高于具有较高自相似性的新生抗原。
15.如权利要求1所述的方法,其中所述表达水平包含RNAseq表达值,并且所述应用步骤包括从所述多个候选新生抗原中排除具有表达值低于10个读数/千碱基/百万映射读数(RPKM)的候选新生抗原。
16.如权利要求15所述的方法,其中所述应用步骤包括从所述多个候选新生抗原中排除具有表达值低于25个读数/千碱基/百万映射读数(RPKM)的候选新生抗原。
17.如权利要求1所述的方法,其中所述应用步骤包括基于与已知抗原的部分的100%的氨基酸同一性对所述多个新生抗原进行排序,使得与已知抗原的较长部分具有氨基酸同一性的候选新生抗原排序高于与已知抗原的较短部分具有氨基酸同一性的候选新生抗原。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于个人基因组诊断公司,未经个人基因组诊断公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201680050906.1/1.html,转载请声明来源钻瓜专利网。
- 同类专利
- 专利分类
G06F 电数字数据处理
G06F19-00 专门适用于特定应用的数字计算或数据处理的设备或方法
G06F19-10 .生物信息学,即计算分子生物学中的遗传或蛋白质相关的数据处理方法或系统
G06F19-12 ..用于系统生物学的建模或仿真,例如:概率模型或动态模型,遗传基因管理网络,蛋白质交互作用网络或新陈代谢作用网络
G06F19-14 ..用于发展或进化的,例如:进化的保存区域决定或进化树结构
G06F19-16 ..用于分子结构的,例如:结构排序,结构或功能关系,蛋白质折叠,结构域拓扑,用结构数据的药靶,涉及二维或三维结构的
G06F19-18 ..用于功能性基因组学或蛋白质组学的,例如:基因型–表型关联,不均衡连接,种群遗传学,结合位置鉴定,变异发生,基因型或染色体组的注释,蛋白质相互作用或蛋白质核酸的相互作用