MHC I类结合预测驱动个体化肿瘤疫苗研发的机制与路径

引言Introduction

个体化肿瘤疫苗的核心，不是“找到一个突变”这么简单，而是找到真正能被MHC I类分子呈递、并被T细胞识别的肿瘤新抗原 。如果MHC I类结合预测不准，候选抗原会大量失真，后续验证、合成和制备都会浪费时间与样本。

1. MHC I类结合预测为什么是个体化肿瘤疫苗的起点

1.1 从“突变存在”到“抗原可呈递”

肿瘤新抗原来自体细胞突变，但并非每个突变都会成为有效抗原 。它必须先满足几个条件：突变真实存在，转录本表达，翻译成肽段，经过蛋白酶体加工，最终与患者的MHC I类分子结合并呈递到细胞表面。

这也是MHC I类结合预测的价值所在。它把“基因层面的变化”筛到“免疫系统能看见的变化”。对于医学生和科研人员来说，这一步决定了后续疫苗设计是“候选很多”，还是“真正可用”。

1.2 HLA与MHC I类的关系

在人类中，MHC通常称为HLA。经典MHC I类分子主要包括HLA-A、HLA-B和HLA-C 。它们负责呈递来源于细胞内蛋白降解产生的短肽，进而激活CD8+ T细胞反应。

HLA高度多态。不同个体的结合口袋差异很大。也就是说，同一个突变肽在A患者身上可能结合良好，在B患者身上却几乎不结合。因此，个体化肿瘤疫苗必须建立在患者自身HLA分型基础上。

1.3 新抗原比肿瘤相关抗原更适合个体化策略

肿瘤相关抗原，像某些过表达蛋白，常与正常组织共享表达，容易引发免疫耐受。相比之下，肿瘤特异性抗原，也就是新抗原，只在肿瘤细胞中出现，更适合用于个体化疫苗开发。

这一点很关键。因为个体化疫苗的目标不是泛化的肿瘤标记物，而是尽可能挑出**“患者独有、肿瘤特异、可呈递、可识别”** 的靶点。

2. MHC I类结合预测的标准流程

2.1 先做WES和RNA测序，再做HLA分型

当前主流流程通常从肿瘤样本和正常对照样本入手。先进行WES，识别体细胞突变，再结合RNA测序确认突变是否表达。随后对患者进行HLA分型，获得MHC I类等位基因信息。

这三步缺一不可。

• WES回答“突变在哪里”
• RNA测序回答“突变有没有表达”
• HLA分型回答“谁来呈递这个肽段”

只有把这三者合并，后续的MHC I类结合预测才有生物学意义。

2.2 候选肽段的生成与筛选

通常会围绕突变位点截取多个长度的肽段，再进行结合预测。MHC I类分子多偏好8到11个氨基酸的短肽。实际分析中，常见做法是从突变位点两侧扩展，构建候选肽库，再交给算法计算其与HLA分子的结合可能性。

筛选时不只看“是否结合”，还要看：

1. 突变肽是否明显优于野生型肽。
2. 该基因是否在肿瘤中表达。
3. 突变是否处于克隆性事件中。
4. 是否存在结构变异、融合或剪接异常等来源。

真正有价值的新抗原，通常是多条件同时满足的结果。

2.3 结合亲和力只是第一层

MHC I类结合预测的输出，常见是亲和力或百分位排名。很多研究会优先选择高亲和力肽段，但亲和力高并不等于真实免疫原性强 。原因很直接，抗原加工、肽转运、TCR识别、肿瘤免疫逃逸，都会影响最终效果。

所以，临床前或科研阶段的筛选通常需要多层过滤：

• 结合亲和力
• 膜呈递可能性
• 表达证据
• 突变特异性
• 免疫原性辅助证据

3. 影响MHC I类结合预测准确性的关键因素

3.1 HLA多态性决定了预测模型的复杂度

HLA位点高度多态。不同等位基因的结合槽形状和锚定位点不同。也因此，算法训练质量很大程度上取决于已有的免疫肽组数据和已知HLA配体谱。

同一条突变肽，在不同HLA背景下的预测结果可能完全不同。
这也是为什么HLA分型必须尽量准确。若分型误差大，后续结合预测会系统性偏移。

3.2 突变类型会影响可呈递性

新抗原并不只来自单碱基替换。还包括：

• 小片段插入缺失
• RNA融合
• DNA融合
• 结构变异

这些事件产生的新肽序列，更可能形成肿瘤特异性表位。但它们的表达稳定性和加工路径也更复杂，预测难度更高。因此，突变来源越复杂，越需要严格验证。

3.3 转录表达与肿瘤纯度会影响可用候选数

如果突变在DNA层面存在，但RNA层面不表达，这个候选通常不应优先进入疫苗设计。另一方面，肿瘤样本中混有大量免疫细胞、成纤维细胞和正常上皮细胞，也会干扰表达判断。

所以实际流程里，肿瘤纯度、测序深度、表达定量方式 都会影响最终的新抗原列表。对科研项目来说，这些前处理往往比下游模型更决定成败。

4. 个体化肿瘤疫苗研发中的实际路径

4.1 研发路径可以概括为四步

个体化肿瘤疫苗从机制上看，基本可分为四个环节：

1. 取样与测序
   获取肿瘤和正常组织，完成WES和RNA测序。

2. 突变识别与HLA分型
   找到体细胞变异，并明确患者HLA-I等位基因。

3. MHC I类结合预测
   从所有候选肽中筛出最可能被呈递的突变肽。

4. 疫苗构建与回输
   将候选新抗原与佐剂或其他平台结合，形成个体化疫苗方案。

这个路径听起来简单，但每一步都有技术门槛。尤其是预测和验证之间，常常存在明显落差。

4.2 佐剂与递送系统同样重要

即使新抗原筛选准确，如果递送和免疫激活设计不合理，疫苗效果也会受限。佐剂的作用是增强先天免疫反应，帮助抗原呈递细胞活化。常见佐剂包括铝剂和其他免疫增强体系。

因此，肿瘤疫苗不是单一抗原的拼接，而是“抗原+佐剂+递送策略”的整体设计。

4.3 真实世界中更强调“可制造性”

科研中常用“top candidates”做概念验证，但临床转化时还要考虑：

• 合成可行性
• 肽段稳定性
• 制备周期
• 患者等待时间
• 监管和质控要求

这意味着，预测结果再好，也必须落在可生产、可交付的框架内。MHC I类结合预测的意义，最终要回到临床可执行性。

5. MHC I类结合预测的局限与未来方向

5.1 单看亲和力不够

当前多数工具以结合亲和力为核心指标，但真实抗原呈递受蛋白酶体切割、TAP转运、HLA装载、表位稳定性等多环节影响。也就是说，“能结合”只是必要条件，不是充分条件。

未来更优的策略，应该把多组学信息整合进来，包括突变、转录、免疫浸润和HLA背景。

5.2 需要更多实验验证

无论算法多先进，最终都应通过实验验证候选肽是否真的被T细胞识别。常用验证包括：

• MHC结合实验
• 四聚体分析
• ELISPOT
• T细胞杀伤实验
• 质谱免疫肽组学

算法负责缩小范围，实验负责确认真实性。 这是个体化疫苗研发最稳妥的逻辑。

5.3 更适合临床转化的方向是“预测+验证一体化”

未来真正有竞争力的流程，不是单独追求预测分数，而是把预测、筛选、验证和制造串成闭环。尤其在肿瘤免疫治疗中，时间窗口很重要。患者不能等待过久，候选靶点必须尽快确认。

结论Conclusion

MHC I类结合预测是个体化肿瘤疫苗研发的核心枢纽。它把WES、RNA测序和HLA分型连接起来，把“突变”转化为“可呈递抗原”，再进一步转化为“可制造疫苗”。没有准确的MHCI类结合预测，个体化疫苗就很难进入临床可用阶段。

对医学生、医生和科研人员来说，真正值得关注的不是单一算法，而是完整路径：突变识别、表达确认、HLA分型、结合预测、实验验证和疫苗构建。若你正在开展肿瘤新抗原或个体化疫苗相关研究，建议从规范化流程入手，减少无效候选。

如果你希望更高效地完成新抗原筛选、HLA分析和疫苗候选设计，可以借助解螺旋 的科研服务与分析支持，帮助你把预测结果更快推进到可验证、可转化的阶段。