Dans une étude récente publiée dans Médecine translationnelle scientifiqueles chercheurs identifient des néoantigènes immunogènes partagés dans divers cancers à l’aide du flux de travail Splicing Neo Antigen Finder (SNAF), qui intègre l’apprentissage en profondeur et de nouveaux algorithmes pour faire progresser l’immunothérapie ciblée du cancer.
Étude: L’épissage de la découverte de néoantigènes avec SNAF révèle des cibles communes pour l’immunothérapie du cancer. Crédit d’image : Design_Cells/Shutterstock.com
Arrière-plan
L’objectif principal du traitement du cancer est de développer des thérapies standardisées efficaces pour la plupart des patients malgré l’hétérogénéité inhérente du cancer qui conduit souvent à une résistance aux médicaments et à des rechutes. Les progrès récents, en particulier dans les cancers à forte mutation comme le mélanome, montrent des résultats prometteurs avec les thérapies basées sur les néoantigènes ; cependant, les cancers à faible charge de mutation posent des défis aux traitements traditionnels.
L’épissage des néoantigènes, qui émergent de changements post-transcriptionnels, offre de nouvelles possibilités dans le ciblage du cancer. Néanmoins, des recherches supplémentaires sont nécessaires pour comprendre pleinement et exploiter efficacement le potentiel de l’épissage des néoantigènes pour des applications plus larges et plus précises en immunothérapie du cancer.
À propos de l’étude
Dans la présente étude, les chercheurs développent un pipeline systématique pour identifier les néoantigènes d’épissage dans des cancers hétérogènes, en se concentrant sur le mélanome et le cancer de l’ovaire. Ces cancers ont été sélectionnés pour leurs ensembles de données omiques moléculaires complets, y compris les données de séquençage de l’immunopeptidome et de l’acide ribonucléique (RNA-Seq), divers schémas thérapeutiques et résultats cliniques.
L’ARN-Seq à lecture longue en vrac dans les lignées cellulaires de mélanome a été utilisé pour capturer une large gamme d’isoformes d’ARN messager (ARNm) de pleine longueur. La taille de l’échantillon pour les ensembles de données en vrac sur l’ARN-Seq, l’immunoprotéomique et le séquençage de l’ARN unicellulaire (scRNA-Seq) dépendait de la conception originale de l’étude.
Pour in vitro validation fonctionnelle, complexe néoantigène-majeur d’histocompatibilité
(MHC) a été confirmée à l’aide du transporteur associé à la lignée cellulaire T2 déficiente en traitement antigénique (TAP). L’immunogénicité et la réactivité des néoantigènes aux lymphocytes T ont été évaluées à l’aide de sang périphérique provenant d’au moins trois donneurs sains.
SNAF, un package Python modulaire, a été développé pour automatiser l’identification des néoantigènes d’épissage et prendre en charge la découverte des néoantigènes des cellules T et B. SNAF comprend des fonctionnalités de survie, de protéomique par spectrométrie de masse (MS) et d’analyse à lecture longue.
SNAF a été utilisé pour réanalyser les ensembles de données RNA-Seq (scRNA-Seq) en vrac et unicellulaires, en se concentrant sur les néoantigènes du mélanome et en les comparant aux cellules cutanées non cancéreuses. Trente-six néoantigènes synthétisés ont été validés, y compris des tests de liaison et d’immunogénicité du CMH-I, tandis que la microscopie confocale a confirmé la localisation des ExNeoEpitopes. Le séquençage des isoformes d’ARNm à lecture longue a été effectué sur des lignées cellulaires de mélanome et aligné sur les données de la cohorte Cancer Genome Atlas (TCGA) et Van Allen.
Les analyses statistiques de l’étude ont utilisé un test t modéré empirique de Bayes bilatéral pour les analyses génomiques comparatives, avec de faux ajustements du taux de découverte pour les grands ensembles de données. Les associations entre néojonctions individuelles ou néoantigènes et survie des patients ont été dérivées à l’aide d’une analyse de régression univariée de Cox.
Résultats de l’étude
Deux flux de travail informatiques ont été développés pour identifier et hiérarchiser les néoantigènes pour les thérapies basées sur les cellules T et B. SNAF identifie les jonctions d’épissage spécifiques à la tumeur et prédit les néoantigènes immunogènes (SNAF-T) et les protéines transmembranaires susceptibles d’être des épitopes spécifiques du cancer (SNAF-B). Cette approche, utilisant l’apprentissage profond et des algorithmes probabilistes, quantifie la spécificité tumorale et l’immunogénicité de ces néoantigènes.
L’étude a validé les capacités de prédiction de SNAF-T à l’aide d’ensembles de données sur les immunopeptidomes du cancer, qui ont révélé un taux de détection plus élevé de néoantigènes prédits par rapport à d’autres méthodes. Sept des néoantigènes testés ont été validés par spectrométrie de masse, ce qui a indiqué le potentiel de ces néoantigènes en tant que cibles pour l’immunothérapie du cancer.
L’analyse de la charge de néoantigènes d’épissage chez les patients atteints de mélanome a montré qu’une charge élevée est en corrélation avec une faible survie globale. En revanche, les patients atteints de mélanome présentant une charge élevée de néoantigènes et ayant reçu un traitement par blocage des points de contrôle immunitaire (ICB) ont amélioré leur survie, suggérant ainsi l’importance de ces néoantigènes dans la prédiction de la réponse au traitement. L’analyse différentielle de l’expression génique a révélé qu’une charge élevée de néoantigènes est associée à des gènes impliqués dans l’évasion immunitaire, indiquant ainsi que ces patients pourraient bénéficier de thérapies combinées.
Des néoantigènes d’épissage partagés ont été trouvés chez plus de 15 % des patients, indiquant ainsi leur potentiel en tant que cibles communes chez plusieurs patients. Ces néoantigènes partagés étaient plus fréquemment détectés dans des cohortes indépendantes et présentaient un biais de composition en acides aminés, suggérant une reconnaissance plus large par divers génotypes d’antigène leucocytaire humain (HLA).
La capacité de néoantigènes d’épissage partagés sélectionnés à se lier au CMH et à induire des réponses des lymphocytes T a été observée. De plus, l’analyse des données scRNA-Seq a montré que ces néoantigènes proviennent principalement de cellules tumorales plutôt que du microenvironnement tumoral.
SNAF-B a également prédit avec succès les ARNm complets et les protéoformes stables de protéines transmembranaires, qui pourraient servir de cibles supplémentaires pour des thérapies telles que les cellules de thérapie par cellules T du récepteur d’antigène chimérique (CAR-T) ou les anticorps monoclonaux. L’étude s’est conclue par le développement d’applications Web interactives pour explorer et hiérarchiser les néoantigènes prédits afin d’améliorer à terme l’utilité du SNAF dans l’identification des cibles pour l’immunothérapie du cancer.
