POTN-2:基于深度学习的 HLA-A*02:01 限制性肿瘤新抗原预测器

《Computational Biology and Chemistry》:POTN-2: A Deep Learning-Based Predictor of HLA-A*02:01-Restricted Tumor Neoantigens

【字体: 大 中 小 】 时间:2026年09月30日 来源:Computational Biology and Chemistry 3.4

编辑推荐:

   •我们开发了POTN-2,一种基于深度学习的、用于预测HLA-A*02:01限制性新抗原的工具。•三阶段特征选择策略产生了三个优化特征集(分别含59、65和109个特征)。•融合全面理化特征的CNN模型实现了卓越性能(AUC = 0.9516)。•POTN-2显著优于NetM

  
  • •
    我们开发了POTN-2,一种基于深度学习的、用于预测HLA-A*02:01限制性新抗原的工具。
  • •
    三阶段特征选择策略产生了三个优化特征集(分别含59、65和109个特征)。
  • •
    融合全面理化特征的CNN模型实现了卓越性能(AUC = 0.9516)。
  • •
    POTN-2显著优于NetMHCpan 4.0(AUC = 0.8534)和DeepAntigen(AUC = 0.8921)。
  • •
    已建立在线Web服务器,支持FASTA、Excel及外显子组测序数据等多种输入格式。
  • •
    该等位基因特异性框架为将高精度预测拓展至其他具有临床意义的HLA等位基因提供了基础。

引言

肿瘤新抗原源自癌细胞中的体细胞遗传突变,并以与主要组织相容性复合体I类(MHC-I)分子结合的形式呈现在细胞表面,从而可激发强烈的、突变特异性的T细胞免疫应答(Xie et al., 2023, Xie et al., 2025)。其固有的肿瘤特异性和极低的脱靶自身免疫毒性,使新抗原成为新型癌症免疫疗法的极具吸引力的靶标。传统的新抗原鉴定流程依赖于肿瘤浸润淋巴细胞(TIL)分析(Foley et al., 2024)、血清学表达克隆(SEREX)(H?rstke and Vogl, 2025)以及基于质谱(MS)的免疫肽组学(ElAbd and Franke, 2024)等技术。然而,这些湿实验流程受限于通量低、实验周期长、操作成本高、固有技术偏倚以及假阳性/假阴性检出率偏高等问题,限制了其在个性化癌症治疗中的广泛临床应用(Katsikis et al., 2024)。
深度学习架构在识别肿瘤相关表位和新抗原候选物方面展现了出色的预测能力(Zeng et al., 2025, Tejaswi et al., 2025, Battaglia, 2020, Li et al., 2024, Shuai et al., 2025)。诸如NetMHCpan-4.0和MHCflurry等主流计算工具利用深度学习量化肽段与MHC的结合亲和力(Jurtz et al., 2017, O'Donnell et al., 2020, Xu et al., 2026, Nazarloo et al., 2025),而pVACtools则整合了覆盖抗原加工及下游免疫识别的多阶段预测特征(Hundal et al., 2020)。基于图卷积网络(GCN)构建的DeepAntigen对肽段–MHC–TCR三元相互作用进行建模,以辅助肿瘤新抗原筛选(Que et al., 2025)。包括DeepHLApan在内的其他深度学习流程同时建模结合亲和力与免疫原性,以提升预测置信度(Wu et al., 2024, Jian et al., 2025, Chang and Wu, 2024)。层级渐进学习(HPL)使未表征MHC-I等位基因实现稳健的零样本预测(Zhu et al., 2025),而SeqDA-HLA则结合双注意力机制与预训练语言模型嵌入,在不同长度肽段上实现一致性能(Kim et al., 2025)。尽管在方法论上取得了上述进展,现有通用预测模型仍存在精度欠佳、假阳性输出过多以及跨不同MHC等位基因性能波动显著等问题,严重制约了其在转化临床应用中的可靠性。目前仍迫切需要标准化的高性能等位基因特异性预测流程(Sen et al., 2024, Wang et al., 2025, Zhang et al., 2025)。
几乎所有主流软件均采用泛HLA通用架构,以最大化覆盖多种HLA亚型,但这种广泛适用性却以降低对单个高频率等位基因的预测精度为代价(Glynn et al., 2025)。在所有MHC-I变体中,HLA-A*02:01是全球分布最广的等位基因之一,在东亚、中东及拉丁美洲人群中携带频率尤为突出(Sanchez-Mazas et al., 2024)。该等位基因还拥有最大的实验验证肽段结合数据库和最完善的结合基序注释。为在兼顾等位基因特异的肽段结合偏好性的同时提升预测性能,我们开发了一种HLA-A*02:01特异性预测模型,充分利用该高频亚型已有的大规模验证数据集。基于我们此前发布的POTN模型——一种主要基于HLA-A*02:01限制性表位训练的支持向量机(SVM)工具——我们对POTN-2进行了全面改造,大幅扩充了特征提取流程并优化了算法架构(Meng et al., 2020)。POTN-2已部署为免费公共Web服务器,支持原始肽段序列、蛋白FASTA文件及临床外显子组测序数据等多种输入,用于高通量筛选HLA-A*02:01结合肽段候选物。值得注意的是,POTN-2通过大幅扩充训练数据、系统性多算法基准测试、可变长度肽段处理以及突变型与野生型区分等功能,显著扩展了早期POTN框架的能力。

各节摘要

数据收集

共从免疫表位数据库(IEDB)中检索到91,057条实验确认的HLA-A*02:01结合阳性肽段(包括结合实验、质谱洗脱及T细胞检测等,均统一处理为阳性肽段)(Vita et al., 2025)。所有含有翻译后修饰氨基酸残基的序列均通过Script1(补充材料脚本S1)进行了过滤。经筛选得到的77,315条高置信度阳性肽段数据集中包含1,164对突变新抗原

结果

我们通过系统性的多模态特征工程和迭代算法优化,构建了POTN-2,一种HLA-A*02:01等位基因特异性新抗原预测模型(图1)。使用人工筛选的实验验证肽段序列库,我们的完整分析流程涵盖了多阶段特征降维、三种不同机器学习架构的逐一基准对比以及独立留出数据集的外部验证。完整的

训练数据集质量与肽段长度标准化对模型的影响

数据集中纳入的所有阳性肽段均源自实验验证的表位数据库,保证了真值的高度可靠性。然而,阴性肽段是随机从人蛋白中采样得到的常规9-mer片段,缺乏实验结合验证,导致阴性数据集中可能意外混入罕见的真实结合表位。考虑到蛋白序列的理论空间相对于已被验证结合肽段这一微小子集而言极为庞大

结论

本研究构建了POTN-2,一种专用于肿瘤新抗原候选物筛选的高精度HLA-A*02:01肽段结合预测工具。该模型在独立测试集上表现出优异性能,尤其在区分新抗原肽段及其野生型对应肽段方面具有显著优势。基于POTN-2,我们已开发了一个免费的在线预测与分析平台(potn-2.cn)。该平台支持FASTA序列、Excel等多种原始数据输入格式

数据与软件可用性

本研究使用的全部训练与测试数据集均来源于两个数据库:实验验证的阳性肽段提取自免疫表位数据库(IEDB,https://www.iedb.org/)),而阴性肽段则来源于UniProt中存档的人蛋白(https://www.uniprot.org/))。完整的开源Python源代码及预训练POTN-2模型已公开托管于GitHub(https://github.com/dlrbs52-svg/POTN-2)),可供完全本地部署使用。此外,

CRediT作者贡献声明

Junzhe Zhang:数据管理、资源、软件。Jiangfeng Du:方法论、调查研究、经费获取、形式化分析、数据管理、概念化、指导、验证、撰写——审阅与编辑。WU Yahong:方法论、调查研究、数据管理、概念化、经费获取。Yuran Wang:资源、项目管理、方法论、调查研究、经费获取。Shiyi Xiong:资源、数据管理。Chunrui Xu:经费获取、形式化分析,

利益冲突声明

作者声明不存在任何可能影响本文所述工作的已知竞争性经济利益或个人关系。
Linfeng Song|Chunrui Xu|Shiyi Xiong|Junzhe Zhang|Yuran Wang|WU Yahong|Jiangfeng Du
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号