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。

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。

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。

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。