ScanNeo2: a comprehensive workflow for neoantigen detection and immunogenicity prediction from diverse genomic and transcriptomic alterations.
ScanNeo2: a comprehensive workflow for neoantigen detection and immunogenicity prediction from diverse genomic and transcriptomic alterations.
复制标题
DOI：
10.1093/bioinformatics/btad659
复制
发表时间：
2023-11-01
期刊：
影响因子：
--
通讯作者：
中科院分区：
文献类型：
--
作者：
新抗原，肿瘤特异性蛋白片段，由于其作为免疫系统靶点的能力，在癌症免疫治疗中是无价的。从测序数据中计算预测这些新抗原通常需要多种算法和复杂的工作流程，目前仅限于特定类型的变体，如单核苷酸变体或插入/缺失。然而，新抗原的其他来源往往被忽视。我们介绍ScanNeo 2，这是一种改进的全自动生物信息学管道，旨在从原始测序数据中进行高通量新抗原预测。与其前身不同，ScanNeo 2整合了多种体细胞变体来源，包括典型和外显子剪接，基因融合事件和各种体细胞变体。我们的基准测试结果表明，ScanNeo 2可以准确识别新抗原，为新抗原预测提供了全面且更有效的解决方案。 ScanNeo 2可在https://github.com/ylab-hi/ScanNeo2/上免费获得，并附有说明和应用数据。
Neoantigens, tumor-specific protein fragments, are invaluable in cancer immunotherapy due to their ability to serve as targets for the immune system. Computational prediction of these neoantigens from sequencing data often requires multiple algorithms and sophisticated workflows, which are currently restricted to specific types of variants, such as single-nucleotide variants or insertions/deletions. Nevertheless, other sources of neoantigens are often overlooked. We introduce ScanNeo2 an improved and fully automated bioinformatics pipeline designed for high-throughput neoantigen prediction from raw sequencing data. Unlike its predecessor, ScanNeo2 integrates multiple sources of somatic variants, including canonical- and exitron-splicing, gene fusion events, and various somatic variants. Our benchmark results demonstrate that ScanNeo2 accurately identifies neoantigens, providing a comprehensive and more efficient solution for neoantigen prediction. ScanNeo2 is freely available at https://github.com/ylab-hi/ScanNeo2/ and is accompanied by instruction and application data.
登录
查看更多内容
DOI：
10.1093/bioinformatics/btu548
发表时间：
2014-12-01
期刊：
Bioinformatics (Oxford, England)
影响因子：
--
作者：
Szolek A;Schubert B;Mohr C;Sturm M;Feldhahn M;Kohlbacher O
通讯作者：
Kohlbacher O
MHC I类的性质提出了增强免疫原性的肽。
影响因子：
4.3
作者：
Calis JJ;Maybeno M;Greenbaum JA;Weiskopf D;De Silva AD;Sette A;Keşmir C;Peters B
通讯作者：
Peters B
DOI：
10.1093/bioinformatics/btab759
发表时间：
2022-01-27
期刊：
Bioinformatics (Oxford, England)
影响因子：
--
作者：
Rieder D;Fotakis G;Ausserhofer M;René G;Paster W;Trajanoski Z;Finotello F
通讯作者：
Finotello F
影响因子：
14.9
作者：
Siragusa E;Weese D;Reinert K
通讯作者：
Reinert K
影响因子：
28.5
作者：
Zhu S;Zhang T;Zheng L;Liu H;Song W;Liu D;Li Z;Pan CX
通讯作者：
Pan CX