[发明专利]预测肿瘤新生抗原的方法、装置及存储介质

权利要求书

1.一种预测肿瘤新生抗原的方法，其特征在于，所述的方法包括步骤：

(1)根据肿瘤-胚系对照样本进行体细胞突变以及基因融合检测；

(2)针对每一对融合基因生成融合肽及相应野生肽；

(3)基于每个体细胞突变生成单突变肽及相应野生肽；

(4)构建肿瘤样本特异的个人基因组并生成含有多个突变的多突变肽；

(5)通过突变间的顺式反式关系，判断单突变以及多突变的突变肽真伪，生成真实存在的突变肽；

(6)去除与野生型蛋白其它位置序列完全一致的突变肽，构建完整的新生多肽库；

(7)基于胚系对照样本的bam文件进行HLA分子分型检测，预测新生多肽与HLA分子的亲和力，将亲和力高的新生多肽作为候选肿瘤新生抗原；

在所述的步骤(2)中，融合断点注释，采用AGFusion工具根据5’端、3’端断点在基因组上的坐标信息，注释融合断点，并生成融合后的蛋白序列全长；截取长度为L且含有融合断点的融合肽以及对应的5’端、3’端野生肽，具体的截取规则为：

确定5’端融合断点在长度为p5的5’端野生蛋白以及长度为g的融合蛋白上的坐标索引：比对融合蛋白与5’端野生蛋白序列，得出最大的一致性片段序列seq1、以及seq1的5’端野生蛋白上的坐标索引m、融合蛋白上的坐标索引t，所述的seq1的长度为s1，则5’端断点的坐标索引在野生型蛋白上为m+s1，在融合蛋白上为t+s1；

确定3’端融合断点在长度为p3的3’端野生蛋白上的坐标索引：比对融合蛋白与3’端野生蛋白，得出最大一致性片段序列seq2以及seq2在3’端野生蛋白上的坐标索引n，所述的seq2的长度为s2；

截取长度为L的融合肽以及相应5’和3’端野生肽：

在3’端融合断点不造成移码框改变的情况下，每一条融合肽均有相对5’端以及3’端两条野生肽生成，融合蛋白从最小坐标索引t+s1-L到最大坐标索引t，截取长度为L的融合肽；5’端野生蛋白从最小坐标索引m+s1-L到最大坐索引m，3’端野生蛋白从n-L到最大坐标索引n，截取长度为L的两条相应的野生肽；

当3’端融合断点造成移码框改变时，每一条融合肽只有一条5’端野生肽生成，融合蛋白从最小坐标索引t+s1-L到最大坐标索引g-L，截取长度为L的融合肽，5’端野生蛋白从最小坐标索引m+s1-L到最大坐标索引p5-L，顺序生成相应长度为L的野生肽。

2.根据权利要求1所述的预测肿瘤新生抗原的方法，其特征在于，所述的步骤(1)的中：

对于体细胞突变，在Mutect2工具的默认参数下输出体细胞突变结果之后，进行进一步质控过滤，所述的质控过滤包括：突变频率大于2％；突变点的测序深度大于10；至少有2条reads指示有突变且该reads的平均碱基质量20；

对于基因融合检测，若输入为全外显子WES或全基因组WGS测序数据，则用FACTERA工具在默认参数下检测基因融合；若输入为RNAseq数据，则用STAR-Fusion工具在默认参数下检测基因融合，然后通过junction reads数目≥1，做进一步的质控以减少假阳性，该junction reads指为直接覆盖融合断点的reads。

3.根据权利要求1所述的预测肿瘤新生抗原的方法，其特征在于，所述的步骤(3)中，

使用SnpEff注释，将每一个体细胞基因组上的碱基突变注释到Ensembel数据库上的每一个转录本以及相应蛋白序列上；

截取长度为L的突变肽以及相应的野生肽。

4.根据权利要求3所述的预测肿瘤新生抗原的方法，其特征在于，截取规则为：

对于错义突变、非移码突变，以突变坐标为中心，向5’端取L-1个氨基酸，向3’端取L-1个氨基酸，生成长度为8～11个氨基酸长度以及13～25个氨基酸长度之间的含有突变氨基酸的突变段以及相应野生肽；

对于典型单点突变，生成38对长度为8～11个氨基酸长度的突变型-野生型肽段，以及247对长度为13～25个氨基酸长度的突变型-野生型肽段；

对于移码突变，从突变点的前L-1个氨基酸开始，延伸到第一个终止子出现为止，生成8～11以及13～25氨基酸长度的突变肽段及相应坐标的野生肽段。