Introduction. One of the promising approaches to cancer immunotherapy is the generation of personal antitumor vaccines that provides immune system recognition of mutant tumor neoantigenes.
The aim of this study was to develop bioinformatic approaches for melanoma NGS-sequencing data analysis. On the basis of data obtained, to predict the peptides capable of inducing an immune response against B16F10 mouse melanoma.
Materials and methods. Exom and transcriptom of B16/F10 melanoma tumor tissue and normal tissue of C57BL/6 mice were sequenced. Library sequencing procedure was performed on Illumina HiSeq 2500platform, quality analysis of all obtained libraries was performed using FastQC and MultiQC. The obtainedfiles were usedfor further bioinformatics analysis. The GATKMuTect2 and Strelka were used for searching the mutations in tumor samples.
Results. Identification of somatic mutations specific for tumor was based on the analysis of few mice tumors. Here we show that mutations in different tumor samples significantly overlap, but are not identical. Prediction of short peptides affinity to the mouse main histocompatibility complex (MHC) H2 was performed using netMHCpan version 3.0. Mutations such as missense and frameshift were used to predict short peptides that could trigger an immune response. Transcriptome data confirm that mutated alleles are expressed in tumors. Vaxrank pipeline predicted immunogenic peptides with a length of25—27. We also present the synthesis and solubility of these peptides.
Conclusion. A bioinformatic approach has been developed to predict peptides capable of increasing immune response of mouse melanoma B16/F10.
Введение. Одним из перспективных подходов к иммунотерапии рака является создание персонализированных противоопухолевых вакцин, направленных на усиление распознавания иммунной системой мутантных опухолевых неоантигенов.
Цель исследования — разработка биоинформатического подхода для анализа данных NGS-секвенирования образцов меланомы и нормальной ткани и предсказания пептидов, способных вызывать иммунный ответ на модели мышиной меланомы B16F10. Материалы и методы. Секвенировали экзом и транскриптом опухолевой ткани меланомы B16F10 и нормальной ткани мышей линии С57Bl/6. Процедура секвенирования библиотек была произведена на платформе IlluminaHiSeq 2500, анализ качества всех полученных библиотек был выполнен с помощью программ FastQC и MultiQC. Полученные файлы были использованы для дальнейшего биоинформатического анализа. Для поиска мутаций в образцах опухоли использовали программы GATKMuTect2 и Strelka.
Результаты. В образцах материала, полученного от нескольких мышей, проведен поиск соматических мутаций, присутствующих только в опухолях и отсутствующих в нормальной ткани, показано, что мутации в разных образцах опухоли значительно перекрываются, но не идентичны. Предсказание коротких пептидов, аффинных к главному комплексу гистосовместимости (МНС) мыши H-2, было проведено с использованием модели netMHCpan (версия 3.0), использующей глубокие искусственные нейронные сети. Для предсказания коротких пептидов, способных вызвать иммунный ответ, использовались мутации типа миссенс и фреймшифт. Для подтверждения, что мутированные аллели экспрессируются в опухоли, использовали транскриптомные данные. С помощью пайплайна Vaxrank были предсказаны иммуногенные пептиды длиной 25—27аа, представлены параметры их синтезируемости и растворимости.
Выводы. Разработан биоинформатический подход для предсказания пептидов, способных вызывать иммунный ответ на мо¬дели мышиной меланомы B16F10.