Combined assessment of MHC binding and antigen abundance improves T cell epitope predictions.
Combined assessment of MHC binding and antigen abundance improves T cell epitope predictions.
复制标题
DOI：
10.1016/j.isci.2022.103850
复制
发表时间：
2022-02-18
期刊：
影响因子：
5.8
通讯作者：
Peters B
中科院分区：
文献类型：
--
作者：
Koşaloğlu-Yalçın Z;Lee J;Greenbaum J;Schoenberger SP;Miller A;Kim YJ;Sette A;Nielsen M;Peters B
MHC I类抗原加工途径的许多步骤可以使用计算方法预测。在这里，我们表明，表位预测可以通过考虑肽源蛋白的丰度水平进一步改善。我们利用生物物理学原理和现有的MHC结合预测工具，与源蛋白的丰度估计相一致，以获得一个函数，估计肽是MHC I类配体的可能性。我们发现，这种组合改善了对天然洗脱配体和癌症新抗原表位的预测。我们比较了不同的抗原丰度测量方法的使用，包括RNA-Seq的mRNA表达，Ribo-Seq的基因翻译，以及SARS-CoV-2表位数据集上蛋白质组学的蛋白质丰度。在所有情况下，表位预测均优于单独的结合预测，并且在使用蛋白质组学数据时具有最高性能。我们的研究结果突出了纳入抗原丰度水平以改善表位预测的价值。HLA配体来源于高表达的转录本抗原丰度和HLA结合是配体和表位的独立预测因子利用RNA-Seq、Ribo-Seq或蛋白质组学数据改善表位预测癌症类型匹配的TCGA RNA-Seq数据可用于估计患者的基因表达免疫学;数学生物科学;计算生物信息学
Many steps of the MHC class I antigen processing pathway can be predicted using computational methods. Here we show that epitope predictions can be further improved by considering abundance levels of peptides' source proteins. We utilized biophysical principles and existing MHC binding prediction tools in concert with abundance estimates of source proteins to derive a function that estimates the likelihood of a peptide to be an MHC class I ligand. We found that this combination improved predictions for both naturally eluted ligands and cancer neoantigen epitopes. We compared the use of different measures of antigen abundance, including mRNA expression by RNA-Seq, gene translation by Ribo-Seq, and protein abundance by proteomics on a dataset of SARS-CoV-2 epitopes. Epitope predictions were improved above binding predictions alone in all cases and gave the highest performance when using proteomic data. Our results highlight the value of incorporating antigen abundance levels to improve epitope predictions. HLA ligands originate from highly expressed transcripts Antigen abundance and HLA binding are independent predictors of ligands and epitopes Utilizing RNA-Seq, Ribo-Seq, or proteomic data improves epitope predictions Cancer-type-matched TCGA RNA-Seq data can be used to estimate gene expression in patient Immunology; Mathematical biosciences; Computational bioinformatics
登录
查看更多内容
影响因子：
7.3
作者：
Bjerregaard AM;Nielsen M;Jurtz V;Barra CM;Hadrup SR;Szallasi Z;Eklund AC
通讯作者：
Eklund AC
影响因子：
32.4
作者：
Abelin JG;Keskin DB;Sarkizova S;Hartigan CR;Zhang W;Sidney J;Stevens J;Lane W;Zhang GL;Eisenhaure TM;Clauser KR;Hacohen N;Rooney MS;Carr SA;Wu CJ
通讯作者：
Wu CJ
影响因子：
6.4
作者：
Jorgensen, Kasper W.;Rasmussen, Michael;Nielsen, Morten
通讯作者：
Nielsen, Morten
影响因子：
64.8
作者：
Ghandi, Mahmoud;Huang, Franklin W.;Sellers, William R.
通讯作者：
Sellers, William R.
影响因子：
4.4
作者：
Hickman, HD;Luis, AD;Hildebrand, WH
通讯作者：
Hildebrand, WH