Pipeline NeoDisc Revoluciona a Descoberta de Neoantigênios para Vacinas Personalizadas contra o Câncer
Um novo pipeline proteogenômico completo integra espectrometria de massa com genômica para identificar e priorizar antígenos tumorais específicos para vacinas contra o câncer.
Resumo
Pesquisadores da UNIL/CHUV Lausanne desenvolveram o NeoDisc, um pipeline computacional abrangente que integra sequenciamento de exoma completo, sequenciamento de RNA e imunopeptidomômica por espectrometria de massas para identificar e priorizar antígenos tumorais específicos para imunoterapia personalizada contra o câncer. Ao contrário das ferramentas existentes, restritas a neoantígenos previstos, o NeoDisc captura antígenos provenientes de mutações canônicas, transcritos não canônicos, elementos virais e antígenos tumorais específicos. Testado em sete pacientes com câncer em múltiplos tipos de tumor, o NeoDisc superou ferramentas concorrentes como pTuneos e pVACseq na classificação de neoantígenos imunogênicos. O pipeline também detecta defeitos na maquinaria de apresentação de antígenos, orientando a estratégia de tratamento. Empacotado em um contêiner Singularity para implantação clínica, o NeoDisc representa um avanço significativo no desenvolvimento de vacinas personalizadas contra o câncer.
Resumo Detalhado
A imunoterapia personalizada do câncer depende criticamente da identificação de quais peptídeos são exibidos nas células tumorais e reconhecidos pelas células T do paciente. Os pipelines computacionais existentes são amplamente limitados à predição de neoantigênios a partir de mutações somáticas e carecem da capacidade de integrar evidências diretas de espectrometria de massa de peptídeos naturalmente apresentados — uma lacuna importante que o NeoDisc foi projetado para preencher.
O NeoDisc é um framework proteogenômico de ponta a ponta desenvolvido na Universidade de Lausanne e no CHUV que combina sequenciamento de exoma completo ou genoma completo, sequenciamento de RNA e imunopeptidomica baseada em espectrometria de massa (tanto aquisição dependente quanto independente de dados). Ele constrói referências de proteoma específicas para cada paciente, incorporando polimorfismos de nucleotídeo único, mutações somáticas e transcritos expressos não canônicos, contra os quais os dados de imunopeptidomica são pesquisados para confirmar peptídeos antigênicos naturalmente apresentados. Além dos neoantigênios, o NeoDisc identifica antígenos virais, antígenos associados a tumores e peptídeos provenientes de transcritos não codificadores de proteínas.
No benchmarking contra o conjunto de dados de teste do NCI (15 amostras, 24 peptídeos imunogênicos conhecidos), o algoritmo de aprendizado de máquina do NeoDisc — treinado em dezenas de características multiômicas — superou o pTuneos e o pVACseq no ranqueamento de neoantigênios imunogênicos entre os candidatos top-N por paciente. Um algoritmo complementar baseado em regras lida com neoantigênios HLA-II, antígenos virais e antígenos associados a tumores. Aplicado a tumores de sete pacientes com câncer em diversas indicações, o NeoDisc detectou e priorizou com sucesso antígenos tumor-específicos imunogênicos de múltiplas fontes e apoiou o design de vacinas contra o câncer baseadas em RNA e em peptídeos.
Uma capacidade distintiva do NeoDisc é a avaliação da maquinaria de apresentação de antígenos (APPM). Ele identifica mutações somáticas, variações no número de cópias e perda de heterozigosidade em loci HLA afetando os genes B2M, TAP1, TAP2 e HLA — defeitos que podem causar evasão imunológica e influenciar diretamente o paisagismo antigênico do tumor. A integração de múltiplas amostras permite ainda a análise da heterogeneidade tumoral e da evolução clonal.
O NeoDisc é executado em Linux em um contêiner Singularity com um tempo médio de execução de ~16 horas por conjunto de dados de paciente, utilizando 100 GB de RAM e 24 CPUs. Sua arquitetura aberta e modular, relatórios de saída de nível clínico e a capacidade de incorporar imunopeptidomica fazem dele uma ferramenta transformadora para a imunologia oncológica translacional e o desenvolvimento de vacinas personalizadas, embora sua adoção clínica dependa da ampla disponibilidade de infraestrutura de imunopeptidomica por MS.
Principais Descobertas
- NeoDisc integrates mass spectrometry immunopeptidomics with genomics/transcriptomics, enabling direct identification of naturally presented tumor antigens.
- NeoDisc's ML algorithm outperformed pTuneos and pVACseq in ranking immunogenic neoantigens across 15 NCI benchmark samples.
- The pipeline identifies antigens from six sources: somatic mutations, viral elements, TSAs, TAAs, HLA-II neoantigens, and noncanonical transcripts.
- NeoDisc detects antigen presentation machinery defects (B2M, TAP1/2, HLA-LOH) that drive immune evasion and shape the tumor antigenic landscape.
- Multi-sample integration reveals tumor heterogeneity and clonal evolution relevant to vaccine target selection.
Metodologia
O NeoDisc foi avaliado comparativamente no conjunto de dados de teste do NCI (15 pacientes, 24 peptídeos imunogênicos) e aplicado a sete pacientes com câncer utilizando WES de linhagem germinativa e tumoral pareadas, RNAseq tumoral e imunopepdidômica por espectrometria de massas DDA/DIA. Quatro identificadores de variantes somáticas foram utilizados com níveis de confiança, e um modelo de ML treinado em características multiômicas priorizou neoantígenos HLA-I.
Limitações do Estudo
O pipeline requer infraestrutura de imunopeptidômica por espectrometria de massa ainda não amplamente disponível em ambientes clínicos, o que limita sua adoção em larga escala. A integração de WGS não foi implementada neste estudo, e o tempo de execução (~16 horas) pode ser uma limitação para decisões clínicas urgentes. O benchmarking foi conduzido em um conjunto de dados limitado, composto por 24 peptídeos imunogênicos em 15 amostras.
Gostou deste resumo?
Receba as pesquisas de longevidade mais recentes na sua caixa de entrada toda semana.
Digite seu e-mail para assinar: