利用RNA-Seq数据分析揭示内含子保留事件中的新抗原

在生物信息学和计算生物学领域，新抗原的识别是一个重要的研究方向，特别是在癌症免疫治疗和个性化医疗的背景下。新抗原，又称为肿瘤新抗原，是指那些在肿瘤细胞上表达、而正常细胞上不表达的抗原。识别这些抗原对于开发靶向治疗策略具有重要意义。本文档介绍的“retained-intron-neoantigen-pipeline”是一个用于从RNA-Seq数据中识别并调用新抗原的计算流程。 1. **RNA-Seq数据和内含子保留事件**： - RNA-Seq是一种高通量测序技术，用于分析细胞中所有RNA的序列信息。通过RNA-Seq，研究者可以得到有关基因表达水平、剪接变体以及基因突变等信息。 - 内含子保留事件是指内含子未能在RNA成熟过程中被正确剪切，导致它们保留在成熟mRNA中。这种事件可能导致编码蛋白序列的变化，从而可能产生新抗原。 2. **KMA软件包**： - KMA（K-mer Alignment）是一个用于快速搜索和比对短序列片段到参考基因组的工具。在这个流程中，KMA被用来识别RNA-Seq数据中保留的内含子事件。 3. **NetMHCPan-3.0**： - NetMHCPan是一个用于预测肽段和MHC结合亲和力的在线服务器，它基于神经网络模型，能够预测多种MHC I类和II类等位基因的结合亲和力。在新抗原调用流程中，NetMHCPan可以用来预测那些可能由保留内含子引起的新的肽段序列的MHC结合能力。 4. **UCSC基因组浏览器和twoBitToFa实用程序**： - UCSC基因组浏览器是一个提供多种物种基因组数据和相关注释的在线工具。研究者可以利用该工具对基因组数据进行可视化和分析。 - twoBitToFa是一个转换工具，可以将UCSC基因组浏览器使用的twoBit格式文件转换为更通用的FASTA格式文件。在该流程中，使用该工具可能是为了准备一些用于后续分析的基因组序列数据。 5. **MySQL数据库**： - MySQL是一个流行的开源关系型数据库管理系统，用于存储和管理数据。在新抗原识别的流程中，MySQL数据库可能用于存储和查询有关基因表达、MHC类型以及其他相关生物信息学数据。 6. **KMA-kallisto软件包**： - kallisto是一个用于转录组定量的程序，它可以快速准确地估算RNA-Seq数据中每个转录本的丰度。在识别内含子保留事件的过程中，KMA-kallisto的结果可以为新抗原的发现提供重要的转录组水平信息。 7. **新抗原的识别流程**： - 该流程首先使用KMA软件包从RNA-Seq数据中识别内含子保留事件。 - 随后，通过KMA-kallisto软件包处理的输出数据被用来生成可能的新抗原候选肽段。 - 使用NetMHCPan-3.0预测这些肽段与MHC分子的结合亲和力，以及它们是否具有作为新抗原的潜力。 - 最终，流程可能还包括对结果进行过滤和验证的步骤，以确保识别出的新抗原是准确和可靠的。 8. **脚本和文件的管理**： - 在该流程中，需要修改的脚本包括runNetMHCpan.py和kmaToPeptideSeqs.py。这两个脚本分别用于运行NetMHCPan预测和从KMA输出生成肽段序列。 - getNeoantigenBinders.sh是一个外壳程序脚本，其路径需要根据实际情况进行更改。 9. **技术要求**： - 用户需要熟练掌握Python编程，因为在流程中需要修改Python脚本。 - 流程还可能涉及到对Linux命令行工具的使用，因为大多数生物信息学工具和脚本都是在该环境下运行的。 10. **安全性及合规性**： - 在处理患者样本或临床数据时，需要确保遵循相关的伦理规范和数据保护法规，以保障患者隐私。 综上所述，该流程是一个涉及多步骤、多工具的复杂分析管道，需要具备生物信息学和计算生物学的背景知识，以及对相关生物数据库和分析工具的了解。正确执行该流程可以识别出可能由保留内含子事件引起的新的肿瘤特异性抗原，为癌症免疫治疗提供潜在的靶点。