HLAIImaster: un método de aprendizaje profundo con conocimiento adaptativo del dominio predice respuestas inmunogénicas de neoepítopos HLA II

Resumen Aunque se han logrado avances significativos en la predicción de neoepítopos que desencadenan respuestas autólogas de células T CD4+, la identificación precisa de la presentación de antígenos por moléculas del antígeno leucocitario humano (HLA) de clase II sigue siendo un desafío. Esta identificación es crítica para desarrollar vacunas y terapias inmunológicas contra el cáncer. Los métodos de predicción actuales son limitados, principalmente debido a la falta de conjuntos de datos de epítopos de entrenamiento de alta calidad y restricciones algorítmicas. Para predecir los péptidos restringidos por HLA de clase II en la mayoría de la población humana, utilizamos datos de espectrometría de masas para perfilar 223,000 ligandos eluidos sobre alelos HLA-DR, -DQ y -DP. Aquí, al integrar estos datos con el procesamiento de péptidos y la expresión génica, introducimos HLAIImaster, un marco de aprendizaje profundo basado en atención con conocimiento adaptativo del dominio para predecir la inmunogenicidad de neoepítopos. Aprovechando diversas características biológicas y nuestro marco de aprendizaje profundo mejorado, HLAIImaster ha mejorado significativamente en comparación con las herramientas existentes en términos de valor predictivo positivo en estudios de neoantígenos. El aprendizaje robusto del conocimiento del dominio identifica con precisión la inmunogenicidad de los neoepítopos, cerrando la brecha entre la biología de los neoantígenos y el entorno clínico y allanando el camino para futuras terapias basadas en neoantígenos para proporcionar un mayor beneficio clínico. En resumen, presentamos una explotación integral del repertorio inmunogénico de neoepítopos de cánceres, facilitando el desarrollo efectivo de vacunas personalizadas "justo a tiempo".