News&Information
News & Information
文章发表 | 肿瘤患者HLA分型,“裕”加精准!
2020-07-16
【 返回列表 】

图片
期刊:Briefings in Bioinformatics,IF:8.999

“人类白细胞抗原”(HLA)基因可以编码“人类主要组织相容性复合体”(MHC)蛋白,它们是人体免疫系统的重要组成部分。精准的HLA基因分型,能帮助预测患者ICI治疗的疗效,且是肿瘤新生抗原预测、肿瘤疫苗制备的关键环节。

为此,裕策生物评估了不同工具对NGS数据的HLA分型性能,开发了补丁让HLA分型工具运行更稳定,基于打分算法整合多个分型结果,最终得到基于NGS数据获取更准确HLA分型的方案,以帮助肿瘤患者获得更佳的治疗方案和治疗疗效。

背景知识

HLA主要分两类:HLA-I类基因编码MHC I类蛋白,它们存在于除红细胞外的所有细胞内,专注于识别细胞内因为病毒侵染、基因变异等原因而产生的抗原,并将抗原转运到细胞表面。

当毒性T细胞与产生了抗原的细胞接触时,会识别到抗原并清除该细胞(见下图);HLA-II类基因编码MHC 2类蛋白,它们存在于抗原呈递细胞中并且能识别细胞内和细胞外的抗原,最终通过CD4+辅助T细胞刺激B细胞产生抗体。

640wx_fmt=png&tp=webp&wxfrom=5&wx_lazy=1&wx_co=1 (1).jpg

HLA与肿瘤免疫治疗

肿瘤细胞是一种特别狡猾的变异细胞,虽然他们会产生与普通细胞完全不同的肿瘤特异性抗原(新生抗原),但是它们很会隐藏和保护自己,例如通过让HLA基因发生杂合性缺失(LOH)、下调HLA基因表达来减少被转运到细胞表面的抗原;分泌抗程序性死亡分子1的配体(PD-L1)来阻止被毒性T细胞消灭;阻碍免疫细胞浸润到肿瘤内等方式。

随着肿瘤免疫治疗取得了越来越多的突破,现已成为最广泛使用的泛癌种治疗方法之一,越来越多的患者受益于免疫治疗。最近的研究表明,HLA-I基因型(如HLA-B44和HLA-B62)和杂合性(LOH)状态的缺失与患者的预后和免疫治疗的疗效相关。在肿瘤疫苗的应用中,HLA的分型直接影响到新生抗原的预测,从而影响疫苗的制备。因此,HLA的准确分型对于免疫治疗意义重大。但是,HLA的多态性高的特点,使得精准分型成为挑战。

现有分型方法的局限

基于血清学和PCR的方法是当前HLA分型的主流方法,这些方法具有速度慢、分辨率低、无法识别稀有的HLA亚型或成本高等缺点。

随着NGS技术的发展,基于NGS技术的肿瘤基因组检测在临床和科研中得到广泛应用及NGS数据的HLA分型技术亦发展迅速,裕策生物的肿瘤检测产品可以基于NGS数据一站式检测患者的肿瘤基因组和HLA分型,减少了额外的HLA检测步骤、降低成本、减少肿瘤患者宝贵的等待时间,帮助肿瘤患者获得更佳的治疗方案和治疗疗效

闲话少叙,接下来看看我们为提高HLA分型准确性做了什么吧。

(以下内容专业术语过多,看晕了的朋友可以直接滑到结尾点赞 (⊙ˍ⊙)。)

研究内容

我们将患者的肿瘤组织和对照血分别进行全外显子组测序(WES),同时对患者的肿瘤样本进行转录组测序(RNA-seq),并用PCR-SBT方法验证患者的HLA-I分型结果。使用OptyType、Phlat、Polysolver、seq2hla这四个广泛使用的工具分别进行HLA-I分型。将分型结果与验证结果进行比较,计算出各工具的分型准确性。 
注:HLA-I包含HLA-Ia,HLA-Ib两类基因,目前针对HLA-Ia(HLA-A,-B,-C)基因的研究较多,针对HLA-Ib(HLA-E,-F,-G)基因的研究还比较少。本文针对HLA-Ia基因进行分型性能评估,后面的HLA-I都是指HLA-Ia基因。

如下图所示,基于WES和RNA-seq数据的HLA-I分型,准确性最高的工具都是OptiType。并且基于WES数据的HLA-I分型的准确性高于基于RNA-seq数据。

640wx_fmt=png&tp=webp&wxfrom=5&w.jpg
图1. 使用四个工具对WES,RNA-seq数据进行HLA分型的准确率

如下图所示,我们对比三个工具的HLA-I分型准确性,发现对照样本都高于肿瘤组织,其中分型准确性最高的工具仍是OptiType。

为了再次验证这个结果,我们用内部开发工具对选取的样本进行测序数据随机梯度抽取reads,模拟不同测序量的肿瘤和对照样本,然后用OptiType分别进行HLA-I分型,并统计模拟样本的HLA-I分型准确性。如图2.b所示,随着reads数量减少,模拟肿瘤样本和模拟对照样本的分型准确性逐渐下降,且对照样本的分型准确性一直高于肿瘤样本。

图片
图2.a 使用三个工具对肿瘤和对照样本进行HLA-I分型的准确率
b.梯度模拟样本的HLA-I分型准确率

很多情况下只有肿瘤组织被用于肿瘤基因组检测,为了确保这种情况的HLA-I分型准确性,我们统计了外显子平均深度与HLA基因平均深度与HLA分型准确性的关系,发现HLA基因区域平均深度>20x时,基于OptiType得到的HLA分型准确性高(100%),而分型准确性与外显子平均深度无明显相关性。这可能是测序存在的随机性,导致外显子平均深度很高时,部分样本的HLA基因测序深度不高。
我们也做了一些原创性工作,在测试时发现OptiType有时会运行错误,便开发了一个补丁来解决这个问题,让OptiType能够稳定运行得到分型结果。另外,我们还基于打分策略开发了一个工具,整合肿瘤和对照样本的多个分型工具的分型结果,让分型准确性达到99.9%,这个工具的性能我们还在持续验证中。
图片

结论

想必大家看这么久都困了,来看看我们的主要结论吧:

微信截图_20210105183008.png

我们的努力不仅如此,我们开发了补丁和整合工具,进一步提升裕策产品中的HLA分型准确性和稳定性。此外,裕策生物的大panel肿瘤基因检测产品还对HLA基因区域的捕获进行了优化,进而提升肿瘤患者的HLA杂合性缺失(LOH)检测和优质新生抗原预测的准确性。

参考文献:

Yi et al., Investigations of sequencing data and sample type on HLA class Ia typing with different computational tools, Briefings in Bioinformatics, 2020, 7


【 返回列表 】
Top