[发明专利]基于NGS和深度学习的肿瘤免疫治疗效果预测系统

权利要求书

1.一种基于NGS和深度学习的肿瘤免疫治疗效果预测系统，其特征在于，其包括：

多肽预测模块，用于分析患者肿瘤组织和单细胞的测序数据，分析HLA分型，并预测SNV、indel和fusion来源的多肽；

新生抗原筛选模块，用于分析所述多肽，筛选可行度高的新生抗原；

评分模块，用于采用循环神经网络RNN构建的模型对新生抗原进行打分，得到新生抗原负荷评分；

预后预测模块，用于将新生抗原负荷评分代入多元线性回归模型，预测免疫治疗的治疗结局。

2.按照权利要求1所述的基于NGS和深度学习的肿瘤免疫治疗效果预测系统，其特征在于，所述多肽预测模块的工作具体包括如下步骤：

步骤1.1，使用polysolver预测HLA-I的分型结果；

步骤1.2，利用GATK、Mutect2、VEP和ANNOVAR检测出高质量的SNV和indel并进行突变注释；

步骤1.3，利用Genefuse检测DNA层面上的融合基因并用STAR-Fusion和Arriba获得RNA-seq数据中高可信度的融合转录本；

步骤1.4，通过NeoPredpipe输出突变多肽的信息。

3.按照权利要求1所述的基于NGS和深度学习的肿瘤免疫治疗效果预测系统，其特征在于，所述新生抗原筛选模块的工作具体包括如下步骤：

步骤2.1，利用netMHCpan分析步骤1得到的HLA-I和多肽的亲和力；

步骤2.2，保留输出为“strong binding，%rank0.5”的多肽，将其作为可信度高的新生抗原。

4.按照权利要求1所述的基于NGS和深度学习的肿瘤免疫治疗效果预测系统，其特征在于：所述模型为deepHLApan。

5.按照权利要求1所述的基于NGS和深度学习的肿瘤免疫治疗效果预测系统，其特征在于，所述新生抗原评分包括：对多肽和MHC分子的相互作用的评分，和/或，对T细胞受体和多肽-MHC复合物的相互作用的评分。

6.按照权利要求1所述的基于NGS和深度学习的肿瘤免疫治疗效果预测系统，其特征在于，所述多元线性回归模型纳入的预测变量包括：所述新生抗原负荷评分、HLA-I/B2M体细胞突变、共刺激分子CD28和CD86的表达水平、免疫微环境中的细胞因子的含量、免疫细胞的含量和临床协变量。

7.按照权利要求1所述的基于NGS和深度学习的肿瘤免疫治疗效果预测系统，其特征在于：所述综合性新生抗原负荷评分为：

NEO2ISi=β1×S1i+β2×S2i+β3×S3i+εi

其中，NEO2ISi为肿瘤样本i中由新生抗原刺激引起的CD8⁺ T 细胞的扩增、耗竭状态，S1i、S2i、S3i分别为肿瘤样本i中的SNV，indel和Fusion来源的新生抗原负荷评分，β1、β2、β3为系数，εi为肿瘤样本i的肿瘤微环境中的其他变量的影响。