[发明专利]用于确定肽免疫原性的方法、系统和计算机程序产品

权利要求书

1.用于测定肽，优选细胞表面呈递的肽的免疫原性的计算机执行方法，其包括以下步骤：

-获得所述肽的氨基酸序列，其中所述肽包含蛋白来源和/或非蛋白来源氨基酸；

-针对每个蛋白来源氨基酸获得多个各自与物理化学性质相关的数字索引；

-获得包含阳性数据集和阴性数据集的训练数据集，其中所述阳性集包括与免疫原性肽的多个氨基酸序列相关的(数字)数据，其中所述阴性集包括与非免疫原性肽的多个氨基酸序列相关的(数字)数据；

-在所述训练数据集上训练数学分类模型；

-通过训练的分类模型确定所述肽引发免疫应答的可能性；

其特征在于，所述方法包括以下步骤：

-对每个蛋白来源氨基酸的数字索引进行主成分分析，以得到每个所分析的蛋白来源氨基酸的主成分；

-获得所述训练数据集的氨基酸序列和所述肽的氨基酸序列的特征向量，其中氨基酸序列的特征向量是通过将所述氨基酸序列的每个氨基酸替换为一个或多个相应的主成分而获得的；

其中在所述训练数据集的特征向量上训练所述分类模型；

其中针对所述肽的特征向量确定所述肽具有免疫原性的可能性。

2.根据前述权利要求1所述的方法，其中，包含与非免疫原性肽的多个氨基酸序列相关的(数字)数据的所述阴性数据集通过以下方式获得：

-获得能够结合主要组织相容性复合体(MHC)和/或呈递在主要组织相容性复合体(MHC)上的肽的氨基酸序列，优选通过结合测定和/或质谱法鉴定；

-获得对应于管家蛋白的氨基酸序列；

-将所述能够结合MHC和/或呈递在MHC上的肽的氨基酸序列与所述对应于管家蛋白的氨基酸序列进行比较，以确定它们之间的匹配；

所述阴性数据集包含所述匹配的氨基酸序列。

3.根据权利要求1所述的方法，其中，包含与非免疫原性肽的多个氨基酸序列相关的(数字)数据的阴性数据集通过以下方式获得：

-获得能够结合MHC和/或呈递在MHC上的肽的氨基酸序列；

-获得对应于蛋白质组肽的氨基酸序列；

-将所述能够结合MHC和/或呈递在MHC上的肽的氨基酸序列与蛋白质组氨基酸序列进行比较，以确定它们之间的匹配；

阴性数据集包括能够结合MHC和/或呈递在MHC上的肽的氨基酸序列，所述肽与蛋白质组的肽密切相关但不相同，特别是与蛋白质组的肽相比具有1个或多个氨基酸错配，优选与蛋白质组的肽相比具有1、2或3个氨基酸错配。

4.根据前述权利要求2或3所述的方法，其中，获得的MHC呈递的氨基酸序列是线性序列。

5.根据前述权利要求1至4中任一项所述的方法，其中，所述阳性数据集的免疫原性肽通过以下方式获得：

-获得能够诱导T细胞应答的肽的氨基酸序列；

-获得对应于蛋白质组肽的氨基酸序列；

-将诱导T细胞应答的氨基酸序列与蛋白质组氨基酸序列进行比较，以确定它们之间的匹配；

阳性数据集包括除了所述匹配的氨基酸序列以外的诱导T细胞应答的氨基酸序列。

6.根据前述权利要求1至4中任一项所述的方法，其中，所述阳性数据集的免疫原性肽通过以下方式获得：

-获得能够诱导T细胞应答的肽的氨基酸序列；

-获得对应于蛋白质组肽的氨基酸序列；

-将诱导T细胞应答的氨基酸序列与蛋白质组氨基酸序列进行比较以确定它们之间的匹配；

阳性数据集包括与蛋白质组的肽密切相关但不相同的诱导T细胞应答的氨基酸序列，所述诱导T细胞应答的氨基酸序列特别是与蛋白质组的肽相比具有1个或多个氨基酸错配，优选与蛋白质组的肽相比具有1、2或3个氨基酸错配。

7.根据前述权利要求5或6所述的方法，其中，所述诱导T细胞应答的氨基酸序列是线性序列。

8.根据前述权利要求1至7中任一项所述的方法，其中，所述训练数据集包括阳性数据集和阴性数据集，其中，与所述阳性数据集相比，所述阴性数据集包括实质上更多的记录。