《Table 2 Pipelines for neoantigen prediction》
pVAC-seq,通过整合肿瘤突变和表达数据(DNA-seq和RNA-seq)识别特异性肿瘤突变.开发者通过对4例转移的黑色素瘤患者使用pVAC-seq预测管道最终鉴定到能够引起免疫原性的新抗原数目分别为:3/16(19%)、3/14(21%)、3/18(17%)、4/12(33%).TSNAD是国内浙江大学整合开发的一款预测新抗原管道,预测的突变不仅限于MHC分子提呈的多肽,而且增加了膜蛋白的胞外突变特性.Cloud-Neo是首款云计算工作流预测新抗原的管道,对23例黑色素瘤样本分析预测到的新抗原平均数量分别为:HLAminer,107.89;Polysolver,133.53;TIminer,结合RNA-seq数据使用Kallisto定量筛选确定表达的基因,预测新抗原.Neopepsee,通过输入RNA-seq原始数据以及体细胞突变VCF文件,运用机器学习的方法从14个新抗原相关特征中挑选9个强相关的特征预测新抗原.相比于传统基于IC50/%rank值的预测方法,PR曲线(以查准率为纵轴,查全率为横轴绘制的曲线,曲线下面积越大性能越好)性能改进了2~3倍.在224个公开的胃腺癌数据集上应用Neopepsee,平均每个病人预测到7个新抗原,且预测的新抗原负荷与患者的预后显著关联.INTEGRATE-neo,从融合基因出发预测新抗原.目前新抗原预测的pipeline“核心”基本一致,均定位于外显子区域确定有表达的蛋白质.
图表编号 | XD0056723800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.05.20 |
作者 | 王广志、李雨雨、谢鹭 |
绘制单位 | 上海海洋大学食品学院、上海海洋大学食品学院、上海海洋大学食品学院、上海生物信息技术研究中心 |
更多格式 | 高清、无水印(增值服务) |
查看“Table 2 Pipelines for neoantigen prediction”的人还看了
- Table 2 Importance and weighted average parameter estimate for island area and isolation as predictors of colonization a
- Table 1 Predictive factors for complete pathological response in univariate logistic regression analysis for all patient
- Table 10 Predictive factors for complete pathological response in univariate logistic regression analysis for the mFOLFO
- Table 10 Predictive factors for complete pathological response in univariate logistic regression analysis for the mFOLFO