[发明专利]新抗原的鉴别、制造及使用在审
申请号: | 201880037822.3 | 申请日: | 2018-06-08 |
公开(公告)号: | CN110720127A | 公开(公告)日: | 2020-01-21 |
发明(设计)人: | B·布里克-沙利文;R·耶冷斯凯;J·巴斯比;A·德里蒂 | 申请(专利权)人: | 磨石肿瘤生物技术公司 |
主分类号: | G16B30/10 | 分类号: | G16B30/10;A61K39/00;A61K38/10;A61K35/15;C07K7/08 |
代理公司: | 11256 北京市金杜律师事务所 | 代理人: | 陈文平;袁元 |
地址: | 美国加利*** | 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 子集 效用分数 肿瘤 肿瘤细胞表面 基因组数据 抑制剂治疗 疫苗组合物 癌症疫苗 测序数据 等位基因 抗原疫苗 呈递 多态性 候选物 检查点 体细胞 治疗 突变 鉴别 | ||
1.一种鉴别用于进行治疗的患者子集的方法,其包括:
对于每个患者,从所述患者的肿瘤细胞和正常细胞获得外显子组、转录组或全基因组肿瘤核苷酸测序数据中的至少一种,其中所述肿瘤核苷酸测序数据被用于获得通过比较来自所述肿瘤细胞的核苷酸测序数据和来自所述正常细胞的核苷酸测序数据鉴别的新抗原集合中每一种新抗原的肽序列,其中所述患者的每一种新抗原的肽序列包含至少一个使其不同于从所述患者的正常细胞鉴别的相应野生型亲本肽序列的变化;
对于每个患者,通过将所述新抗原集合中的每一种新抗原的肽序列输入机器学习呈递模型中来产生所述患者的所述新抗原集合的数字呈递可能性集合,每个呈递可能性代表了相应新抗原由所述患者的所述肿瘤细胞表面上的一个或多个MHC等位基因呈递的可能性,所述呈递可能性集合至少基于质谱数据鉴别;
对于每个患者,鉴别来自所述患者的所述新抗原集合的一种或多种新抗原;
对于每个患者,确定指示在所述患者的所述肿瘤细胞表面呈递的新抗原的估计数目的效用分数,所述估计数目通过所述患者的所述一种或多种新抗原的相应呈递可能性确定;及
选择用于进行治疗的患者子集,所述患者子集中的每个患者与满足预定纳入标准的效用分数相关。
2.根据权利要求1所述的方法,其中为所述患者鉴别一种或多种新抗原包括选择所述患者的所述新抗原集合中的新抗原子集。
3.根据权利要求2所述的方法,其中所述新抗原子集是在所述患者的呈递可能性集合中具有最高呈递可能性的新抗原。
4.根据权利要求1所述的方法,其还包括对于选定的患者子集中的每个患者,用包含为所述患者鉴别的所述一种或多种新抗原中的至少一种新抗原的相应新抗原疫苗进行治疗。
5.根据权利要求1所述的方法,其还包括对于选定的患者子集中的每个患者,鉴别对于为所述患者鉴别的所述一种或多种新抗原中的至少一种新抗原具有抗原特异性的一种或多种T细胞或T细胞受体。
6.根据权利要求1所述的方法,其中为所述患者鉴别一种或多种新抗原包括选择为所述患者鉴别的整个新抗原集合。
7.根据权利要求6所述的方法,其还包括向选定的患者子集中的每个患者施用检查点抑制剂治疗。
8.根据权利要求1所述的方法,其中选择用于进行治疗的患者子集包括选择具有高于最小阈值的肿瘤突变负荷(TMB)的患者子集,其中患者的TMB指示所述新抗原集合中与所述患者相关的新抗原的数目。
9.根据权利要求1所述的方法,其中选择用于进行治疗的患者子集包括:
选择具有高于最小阈值的效用分数的患者子集。
10.根据权利要求1所述的方法,其中所述效用分数是鉴别的所述患者的新抗原子集中的每种新抗原的呈递可能性之和。
11.根据权利要求1所述的方法,其中所述效用分数是为所述患者鉴别的一种或多种新抗原中被呈递的新抗原的数目高于最小阈值的概率。
12.根据权利要求1所述的方法,其中所述机器学习呈递模型包含:
至少基于训练数据集鉴别的多个参数,所述训练数据集包含:
通过质谱测量与被鉴别为存在于多个样品中的至少一个样品中的至少一个MHC等位基因结合的肽的存在获得的标记,
训练肽序列,其包含有关构成所述训练肽序列的多个氨基酸和所述训练肽序列中氨基酸的位置集合的信息,及
与所述训练肽序列相关的至少一个MHC等位基因;及
代表所述肽序列和基于所述多个参数的所述呈递可能性之间的关系的函数。
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磨石肿瘤生物技术公司,未经磨石肿瘤生物技术公司许可,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/201880037822.3/1.html,转载请声明来源钻瓜专利网。