TW201908491A - 腫瘤抗原性加工和呈遞 - Google Patents

Abstract

本發明提出了基於HLA等位基因型和腫瘤抗原中存在的突變而靶向腫瘤抗原進行免疫治療的方法。可以將患者的HLA等位基因型和來源於癌症驅動基因中的突變的腫瘤抗原與對相同腫瘤抗原具有最小親和力的多數等位基因型進行匹配或與具有癌症治療史的複數個患者的多數等位基因型進行匹配。匹配之後，可以選擇針對腫瘤抗原的癌症治療，並將其施用於患者以達到期望的效果。

Description

腫瘤抗原性加工和呈遞

本申請要求於2016年12月1日提交的序列號為62/428945的美國臨時申請的優先權，其通過引用併入本文。

本發明的領域是用於預測治療選擇的組學數據的計算分析，尤其地，本發明涉及基於新表位的免疫治療中靶表位的選擇。

背景描述包括可能有助於理解本發明的信息。並不是承認本文提供的任何信息是現有技術或與當前要求保護的發明相關，也不承認明確或隱含地引用的任何出版物是現有技術。

本文引用的所有出版物通過引用併入本文，其程度如同具體地和單獨地指出通過引用併入每個單獨的出版物或專利申請。此外，在併入的參考文獻中的術語的定義或使用與本文提供的術語的定義不一致或相反的情況下，適用本文提供的術語的定義，不適用該術語在該參考文獻中的定義。

靶向特定癌症常見的某些抗原的癌症免疫療法已經在一些患者中引起顯著的反應。不幸的是，儘管有相同抗原的明顯表達或存在能產生抗原的特定突變，但是許多患者對這種免疫療法沒有反應。這種失敗的一個可能的 原因是抗原會變化，換句話說，抗原可在不同的患者中包含不同的點突變，使得被設計為靶向具有一種突變類型的抗原的治療方法不能有效靶向具有另一種突變類型的抗原。另一個可能的原因是患者之間的人類白細胞抗原(HLA)變異性會導致抗原加工和/或抗原在細胞表面上的展示不充分，使得抗原不能暴露於治療和/或免疫系統。

為了增加對免疫療法的具體靶標的選擇，已經嘗試在一個或複數個特定的癌症相關基因中引入隨機突變以產生能夠觸發細胞溶解性T細胞應答的腫瘤特異性抗原(新抗原)的文庫或組。此外，已經做出了一些努力來確定由隨機突變產生的這些新表位是否可能被由各種等位基因編碼的MHC蛋白呈遞。例如，授予Hacohen的第2016/0339090號美國專利公開了使用netMHCpan預測通過隨機突變(錯義突變)產生的9聚體肽或10聚體肽對慢性淋巴細胞白血病患者的9種不同的已知HLA同種異型的結合親和力，發現那些9聚體肽或10聚體肽大部分對不同的已知HLA同種異型具有低於500nM的親和力。

其他人也試圖鑒定腫瘤類型和突變序列與在不同種族中以不同頻率存在的各種HLA等位基因的關聯。例如，Fritsch的申請號為PCT/US2016/033452的國際專利申請公開了一組野生型和突變體9聚體肽抗原以不同的結合親和力與特定類型的HLA同種異型結合，其中一些在特定種族(例如，高加索人、亞洲人等)中優先或更頻繁地被發現。Fritsch還鑒定了一種或多種潛在的HLA同種異型，其可以藉由以低於500nM的預測親和力與抗原結合來呈遞具有癌症相關基因的特定突變序列的抗原。然而，這些嘗試主要局限於分析由與複數個HLA同種異型有關的單個基因衍生的單個抗原。因此，不容易確定源於單個基因的具有不同突變的抗原中的任何一種是否都有資格作為用於患 者的免疫療法的治療有效靶標。換句話說，已知的技術不能容易地在患者的抗原中提供優先靶標用於有效免疫治療。

因此，儘管鑒定優先與特定HLA同種異型結合的新表位的多種方法是本領域已知的，但是這些方法全部或幾乎全部都具有一個或複數個缺點。因此，希望提供用於腫瘤抗原鑒定的改進的系統和方法，其增加了免疫療法中治療應答的可能性。

本發明的標的涉及鑒定被預測呈遞在患者的腫瘤細胞上的腫瘤抗原的各種系統和方法，使得可以藉由靶向腫瘤抗原而有效地設計和實施針對癌症的免疫療法。最典型地，藉由將患者的HLA等位基因型和在患者腫瘤中的癌症驅動基因突變與通常在群體中發現並與突變結合的HLA等位基因進行比較或匹配來選擇靶抗原。因此，在一個特佳的方面，本發明人考慮了靶向患者的腫瘤抗原用於癌症的免疫治療的方法。在該方法中，從患者的腫瘤組織獲得患者的組學數據(omics data)，並且可以使用患者的組學數據來鑒定產生腫瘤抗原的癌症驅動基因中至少一個突變的存在。還確定患者的HLA等位基因型，較佳地用患者的腫瘤組織確定患者的HLA等位基因型。然後，可以將患者的HLA等位基因型和腫瘤抗原與對相同腫瘤抗原具有最小親和力的多數等位基因型進行匹配。匹配後，向患者施用靶向腫瘤抗原的癌症疫苗。

最典型地，多數等位基因型表示不同種族、不同地理位置、不同性別或家系中的多數等位基因型。在一個較佳的實施方案中，多數等位基因型在複數個種族或至少一個種族中具有至少0.1%的群體頻率。或者，多數等位基 因型的群體頻率在複數個種族或至少一個種族中處於高水平(top quartile)。對於這樣的多數等位基因型，較佳藉由比較複數個HLA等位基因對腫瘤抗原的親和力來確定最小親和力。或者，最小親和力可以藉由等於或小於100nM的K_d來確定。

在本發明標的的另一個方面，發明人考慮了靶向患者的腫瘤抗原用於癌症的免疫治療的方法。在該方法中，從患者的腫瘤組織獲得患者的組學數據，並且可以使用患者的組學數據來鑒定產生腫瘤抗原的癌症驅動基因中至少一個突變的存在。還確定患者的HLA等位基因型，較佳根據患者的腫瘤組織確定。然後，可以將患者的HLA等位基因型和腫瘤抗原與已被診斷為患有至少一種類型的癌症並已經用至少一種癌症療法治療過的複數個患者的HLA等位基因型和突變序列進行匹配。在匹配後，可以基於匹配對患者施用癌症治療。

本發明標的的各種目的、特徵、方面和優點將從以下對較佳實施方案以及附圖的詳細描述變得更加明顯，附圖中相同的附圖標記表示相同的部件。

圖1是描繪癌症驅動基因和乘客基因內新表位的百分比的條形圖。

圖2顯示不同的新抗原與相同HLA同種異型的的分子建模，產生具有不同穩定性的兩種複合物。

圖3是工作流程圖，其包括使用所鑒定的新抗原產生多表位(polytope)新抗原疫苗，將疫苗施用於患者和監測患者的免疫應答。

HLA是編碼人類主要組織相容性複合體(MHC)蛋白的、高度多態的基因複合體。到目前為止，人類基因中有超過4000個HLA等位基因被鑒定出來，這為個體間的HLA等位基因提供了大量的多樣性。最近，人口學研究表明，各種HLA等位基因的頻率可以根據主要種族、人口的地理區域或家族遺傳分類(stratified)，表明在這樣的種族、地理區域或者家族中對常見癌症類型或免疫相關疾病易感性可能與這些群體中常見的HLA等位基因型密切相關。

這種大量的HLA等位基因是由編碼MHC蛋白的抗原結合結構域的核酸片段中的多態性變異引起的。據此，本發明人研究了由不同的HLA等位基因編碼的各種HLA同種異型是否負責在癌細胞上差異化地呈遞各種癌抗原，從而可以引發對具有相同突變的腫瘤細胞的差異化免疫應答。發明人發現由不同的HLA等位基因編碼的HLA同種異型對相同的腫瘤抗原顯示出不同的結合親和力。本發明人還意外地發現，由不同的HLA等位基因編碼的HLA同種異型顯示出優先與源自癌症驅動基因突變的各種腫瘤抗原中的一種腫瘤抗原結合。

由此，發明人現在已經發現，基於癌抗原的免疫療法或基於新表位的免疫療法可以藉由靶向可被患者特異性的HLA等位基因型高概率地呈遞於患者的腫瘤細胞上的腫瘤抗原來進一步改善。本發明人進一步發現，藉由將患者的HLA等位基因信息與在該群組中經常發現的至少一種或多種HLA等位基因進行匹配來確定或預測高概率，該至少一種或多種HLA等位基因與在該群組中更經常發現的一種或多種類型的癌症相關。

本文使用的術語“腫瘤”是指位於人體內一個或複數個解剖位置或在該位置發現的一個或複數個癌細胞、癌組織、惡性腫瘤細胞或惡性腫瘤組織，並且可與其中的一個或複數個交換使用。

本文使用的術語“結合”是指“識別”和/或“檢測”，並且可與這些術語互換使用，是具有高親和力的兩個分子之間的相互作用，其中K_D等於或小於10^-6M，或者等於或小於10^-7M。

本文使用的術語“提供”或“提供了”是指並且包括製備、生成、放置、使能夠使用或準備使用中的任何行為。

癌症驅動基因和突變

如本文所用，腫瘤抗原包括由腫瘤細胞表達的任何肽抗原或非肽抗原(例如，脂質抗原等)，當其在腫瘤細胞表面上表達時可引發患者中的免疫應答。認為腫瘤抗原可以由癌症驅動基因或癌症乘客基因編碼。如本文所用，癌症驅動基因是指其突變觸發或增加細胞生長(較佳地，淨腫瘤細胞生長)的基因。因此，例如，癌症驅動基因可以是腫瘤抑制基因、癌基因、受體基因、一個或複數個信號轉導基因、轉錄調節基因或細胞週期相關基因。相反，癌症乘客基因是指其突變不直接觸發或增加細胞生長(較佳地，淨細胞生長)的基因。例如，乘客基因可能包括一些參與細胞代謝、運輸、亞細胞器結構基因等的基因。

如圖1所示，發現大部分腫瘤抗原(例如新抗原)源自乘客基因，同時發現顯著少於10%的腫瘤抗原來自癌症驅動基因。儘管癌症驅動基因抗原的比例很小，但是靶向癌症驅動基因被認為提供了增強的治療效果，因為針對由癌症驅動基因編碼的蛋白的免疫應答不僅將促進針對腫瘤細胞的基於細胞的細胞毒性作用，而且還促進對由癌症驅動基因編碼的蛋白質的功能性干擾。例如， 當癌症驅動基因是KIT(肥大/幹細胞生長因子受體)並且包括腫瘤抗原時，與KIT腫瘤抗原結合的抗體不僅可以標記蛋白質從而由NK細胞、NKT細胞或T細胞進行細胞毒性破壞，而且可以通過受體途徑抑制信號傳導，並因此抑制癌症驅動功能。因此，免疫療法中最佳靶向的腫瘤抗原將是位於由已知的、預測的或疑似的癌症驅動基因編碼的蛋白質或多肽中的那些腫瘤抗原，所述已知的、預測的或疑似的癌症驅動基因具有已知的或預測的突變。

認為腫瘤驅動基因與至少一種或多種癌症類型相關，使得一種癌症驅動基因中的一種或多種突變可以在一種類型的癌症中存在，而不在另一種類型的癌症中存在。例如，BRCA1基因中的突變在乳腺癌患者的乳腺腫瘤中比在其他類型的癌症中更常見。合適的癌症類型包括BLCA、BRCA、CESC、COAD、DLBC、GBM、HNSC、KICH、KIRC、KIRP、LAML、LGG、LIHC、LUAD、LUSC、OV、PRAD、READ、SARC、SKCM、STAD、THCA和UCEC。

關於鑒定或測定(例如預測)一種基因是否為癌症驅動基因，本領域中已知曉各種方法和預測算法，並且認為它們適用於本文。例如，合適的算法包括MutsigCV(Nature 2014,505(7484)：495-501)、ActiveDriver(Mol Syst Biol 2013,9：637)、MuSiC(Genome Res 2012,22(8)：1589-1598)、OncodriveClust(Bioinformatics 2013,29(18)：2238-2244)、OncodriveFM(Nucleic Acids Res 2012,40(21)：e169)、OncodriveFML(Genome Biol 2016,17(1)：128)、腫瘤抑制劑和癌基因(Tumor Suppressor and Oncogenes,TUSON)(Cell 2013,155(4)：948-962)、20/20+(https：//github.com/KarchinLab/2020plus)和oncodriveROLE(Bioinformatics(2014)30(17)：i549-i555)。

也可以使用概率途徑分析工具來鑒定癌症驅動基因，並且特佳的工具包括PARADIGM(Bioinformatics,2010,vol.26(pg.i237-i245))。PARADIGM藉由從觀測值D的數據集中得出推論來評估基因在遺傳途徑圖φ背景下的活性。途徑圖φ描述隱藏基因表達變量、其相應的觀測數據和任何調節輸入和輸出之間的聯繫。變量藉由因子相互連接，這些因子編碼約束相互連接的變量的概率依賴關係。然後，PARADIGM對從φ導出的因子圖使用置信傳播算法，藉由組合基因表達、拷貝數和遺傳相互作用來計算每個基因、複合體、蛋白家族和細胞過程的推斷的途徑水平(IPL)。正的IPL反映基因在腫瘤中有多少可能是有活性的(並且因此可能是癌症驅動基因)，負的IPL反映相對於正常組織而言基因在腫瘤中有多少可能性是不活性的。這種方法可以藉由計算Shift(PARADIGM-SHIFT)得分來進一步改進，該得分是基於對觀察到的基因活性的下游結果和根據其調節輸入而預期的結果進行的直接比較，如其他地方所述(Bioinformatics(2012)28(18)：i640-i646)。

此外或可選地，癌症驅動基因的鑒定還可以利用已知癌症驅動基因的各種來源及它們與特定癌症的關聯。例如，驅動基因突變的Intogen目錄(2016.5；URL：www.intogen.org)包含由癌症基因組翻譯程序進行的驅動基因分析的結果，跨越28個腫瘤類型的泛癌症隊列的6,792個外顯子組。根據最先進的臨床和實驗數據鑒定經驗證的致癌突變，而使用OncodriveMUT方法預測意義未知的突變的效應。類似地，Intogen癌症驅動數據庫(Intogen Cancer Drivers database)(2014.12；URL：www.intogen.org)包含在Rubio-Perez和Tamborero等中被鑒定為驅動基因的基因的信息(Cancer Cell 27(2015),pp.382-396)。

表1中示出了癌症驅動基因的示例性列表。

適合與本文給出的教導結合使用的特定癌症的其他示例性癌症驅動基因包括以下：

ALL(急性淋巴細胞性白血病)驅動基因包括CNOT1、CNOT3、FBXW7、FLT3、KRAS、NF1、NRAS、PTEN、RB1、RPL5、SH2B3和TP53。

AML(急性骨髓性白血病)驅動基因包括：ASXL1、BCOR、CBFB、CEBPA、CHD4、CUL1、DIS3、DNMT3A、EGFR、EZH2、FLT3、IDH1、IDH2、KDM6A、KIT、KRAS、MED12、NF1、NPM1、NRAS、PHF6、PRPF8、PTPN11、RAD21、RUNX1、STAG2、SUZ12、TET2、THRAP3、TP53、U2AF1和WT1。

BLCA(膀胱癌)驅動基因包括ACSL6、ACTB、ACTG1、ADAM10、AFF4、AHNAK、AHR、ANK3、APC、AQR、ARFGAP1、ARFGEF2、ARHGAP26、ARHGAP35、ARID1A、ARID1B、ATR、BAP1、BCLAF1、BCOR、 BLM、BMPR2、BRAF、BRCA1、CAD、CARM1、CASP8、CAST、CAT、CCAR1、CCT5、CDH1、CDK12、CDKN1A、CDKN1B、CDKN2A、CEP290、CHD3、CHD9、CHEK2、CIC、CLASP2、CLSPN、CLTC、CNOT1、COPS2、CSDE1、CTCF、CTNNB1、CUL2、DDX3X、DDX5、DICER1、DIS3、DLG1、EEF1B2、EIF2AK3、EIF4A2、EIF4G1、ELF1、ELF3、EP300、ERBB2IP、ERBB3、ERCC2、FAM123B、FAT1、FBXW7、FGFR2、FGFR3、FKBP5、FLT3、FN1、FUS、G3BP2、GNAS、GOLGA5、GPS2、HLA-A、HNRPDL、HRAS、HSP90AA1、HSP90AB1、HSPA8、IDH1、IREB2、IRS2、KDM6A、KEAP1、KLF6、LIMA1、MAP3K1、MAP3K4、MAP4K3、MECOM、MED12、MED24、MET、MGA、MLH1、MLL2、MLL3、MTOR、MYH10、MYH11、NAP1L1、NCF2、NCOR2、NDRG1、NFE2L2、NOTCH1、NRAS、NUP107、NUP98、PCDH18、PCSK6、PHF6、PIK3CB、PIP5K1A、PTEN、PTPRU、RAD21、RASA1、RB1、RBM5、RHOA、RPSAP58、SETD2、SETDB1、SF3A3、SF3B1、SFPQ、SMAD4、SMC1A、SOS1、SOS2、STAG1、STAG2、STK4、SUZ12、TAF1、TAOK1、TAOK2、TBL1XR1、TBX3、TGFBR2、THRAP3、TNPO1、TP53、TP53BP1、TRIO、TSC1、TXNIP、ZFP36L2、ZMYM2和ZNF814。

BRCA(乳腺癌)驅動基因包括ACO1、ACSL6、ACTB、ACVR1B、AFF4、AHNAK、AKAP9、AKT1、ANK3、APC、AQR、ARFGEF2、ARHGAP35、ARID1A、ARID2、ARID4B、ARNTL、ASH1L、ASPM、ATF1、ATIC、ATM、ATR、BAP1、BCOR、BMPR2、BNC2、BPTF、BRAF、BRCA1、BRCA2、CAD、CARM1、CASP8、CAST、CBFB、CCAR1、CCT5、CDH1、CDK12、CDKN1B、CEP290、CHD4、CHD9、CHFK2、CIC、CLASP2、CLSPN、CLTC、CNOT3、 CSDE1、CSNK1G3、CTCF、CUL1、DDX3X、DDX5、DHX15、DIS3、EGFR、EIF1AX、EIF2C3、EIF4A2、EIF4G1、ELF1、EP300、ERBB2、ERBB2IP、ERCC2、FBXW7、FLT3、FMR1、FN1、FOXA1、FOXP1、FUBP1、FUS、G3BP2、GATA3、GOLGA5、GPS2、HCFC1、HLA-A、HLF、HNRPDL、HSPA8、IDH1、ITSN1、KALRN、KDM5C、KEAP1、KLF4、KRAS、LCP1、LPHN2、LRP6、MACF1、MAP2K4、MAP3K1、MAX、MECOM、MED12、MED23、MED24、MGA、MKL1、MLH1、MLL、MLL2、MLL3、MLLT4、MSR1、MTOR、MUC20、MYB、MYH11、MYH14、MYH9、NCOR1、NDRG1、NF1、NF2、NOTCH1、NOTCH2、NR4A2、NRAS、NSD1、NUP107、NUP98、PAX5、PBRM1、PCDH18、PCSK6、PHF6、PIK3CA、PIK3CB、PIK3R1、PIK3R3、PIP5K1A、POLR2B、PRKAR1A、PRKCZ、PTEN、PTGS1、PTPRU、RB1、RBBP7、RBM5、RFC4、RHEB、RPGR、RPL5、RUNX1、SEC24D、SETD2、SETDB1、SF3B1、SFPQ、SMAD4、SMARCA4、SOS1、SOS2、SPTAN1、SRGAP1、STAG1、STAG2、STIP1、STK11、STK4、SUZ12、SVEP1、TAF1、TBL1XR1、TBX3、TCF12、TCF7L2、TFDP1、TGFBR2、THRAP3、TNPO1、TOM1、TP53、TRIO、ZFP36L1和ZFP36L2。

CLL(慢性淋巴細胞白血病)驅動基因包括ACTG1、ANK3、ARID1A、ATM、BCOR、CLSPN、CNOT3、CREBBP、DDX3X、EGFR、EP300、ERBB2IP、FBXW7、FGFR2、FGFR3、HNRPDL、IDH1、IRF2、KDM6A、KRAS、MED12、MLL、MLL2、MLL3、MTOR、MYD88、NCOR1、NF1、NOTCH1、NRAS、PBRM1、PLCB1、RB1、SETDB1、SF3B1、STAG2、TP53和XPO1。

CM(皮膚黑素瘤)驅動基因包括ACO1、ACSL3、ACTG1、ACTG2、ACVR1B、ACVR2A、AFF4、AHCTF1、AHNAK、AHR、AKT1、ANK3、AQR、ARFGAP1、ARFGEF2、ARHGAP26、ARHGAP29、ARHGAP35、ARHGEF2、ARHGEF6、ARID1B、ARID2、ASPM、ATF1、ATIC、ATP6AP2、ATRX、B2M、BAP1、BAZ2B、BCLAF1、BLM、BMPR2、BNC2、BPTF、BRAF、BRCA1、BRWD1、C15orf55、CASP1、CASP8、CAST、CAT、CBFB、CCAR1、CCT5、CDC73、CDH1、CDK4、CDKN1A、CDKN2A、CEP290、CHD1L、CHD3、CHD6、CHD9、CHEK2、CIC、CLASP2、CLCC1、CLOCK、CLSPN、CLTC、CNOT3、COL1A1、COPS2、CRTC3、CSDA、CSNK1G3、CTCF、CTNNB1、CUL1、CUL2、CUL3、CYLD、CYTH4、DDX3X、DDX5、DHX15、DICER1、DIS3、DLG1、DNMT3A、EIF1AX、EIF2AK3、EIF4A2、EIF4G1、EIF4G3、ELF1、ELF3、EP300、ERBB2IP、ERBB3、EZH2、FAF1、FANCI、FAS、FBXW7、FCRL4、FGFR3、FMR1、FN1、FOXP1、FUBP1、FXR1、G3BP2、GATA3、GNG2、GOLGA5、HDAC3、HDAC9、HLA-A、HLA-B、HLF、HNRPDL、HRAS、HSPA8、IDH1、IDH2、IREB2、IRF7、ITGA9、ITSN1、JMY、KDM5C、KDM6A、KLF4、KLF6、KRAS、LCP1、LDHA、LNPEP、LRP6、LRPPRC、MAGI2、MAP2K1、MAP2K4、MAP3K1、MAP3K11、MAP3K4、MAP4K3、MAT2A、MCM3、MCM8、MECOM、MED17、MED24、MEN1、MFNG、MKL1、MLH1、MLL3、MSR1、NCF2、NCKAP1、NCOR1、NDRG1、NF1、NF2、NFATC4、NFE2L2、NOTCH1、NPM1、NR2F2、NR4A2、NRAS、NTN4、NUP107、NUP98、PAX5、PCDH18、PER1、PHF6、PIK3C2B、PIK3CA、PIK3CB、PIK3R1、PIK3R3、PIP5K1A、PLCB1、POLR2B、POM121、PPP2R1A、PPP2R5A、PPP2R5C、PPP6C、 PRRX1、PSMA6、PTEN、PTGS1、RAC1、RAD21、RAD23B、RASA1、RASA2、RB1、RBBP7、RGS3、RHEB、RHOA、RHOT1、RPL22、RPL5、RTN4、RUNX1、SEC24D、SETDB1、SF3A3、SF3B1、SFPQ、SMAD2、SMAD4、SMC1A、SMURF2、SOS1、SOS2、SOX9、SPOP、STAG1、STAG2、STK11、SUZ12、SVEP1、SYK、SYNCRIP、TAOK1、TBX3、TCF12、TCF4、TFDP1、TFDP2、TGFBR2、TJP2、TNPO1、TP53、TRERF1、USP6、VHL、VIM、WASF3、WIPF1、WNK1、WT1、XRN1、YBX1、ZC3H11A、ZFP36L2、ZMYM2、ZNF638和ZNF814。

COREAD(結腸直腸腺癌)驅動基因包括ACO1、ACSL6、ACVR1B、AKAP9、APC、ARID1A、ARNTL、ASPM、ATM、ATRX、AXIN2、BCOR、BMPR2、BPTF、BRAF、BRWD1、CAD、CASP8、CDC73、CDK12、CDKN1B、CEP290、CHD4、CHD9、CLSPN、CNOT1、CREBBP、CTCF、CTNNB1、CUL1、DIS3、DNMT3A、EGFR、ELF3、FAM123B、FBXW7、FN1、FOXP1、FXR1、GATA3、GNAS、GOLGA5、IDH2、ITSN1、KRAS、LPHN2、MAP2K1、MAP3K4、MECOM、MED12、MED24、MGA、MLL2、MSR1、MYH10、NF1、NR2F2、NR4A2、NRAS、NTN4、NUP107、NUP98、PCBP1、PIK3CA、PIK3R1、POLR2B、PPP2R1A、PTEN、PTGS1、PTPN11、PTPRU、RAD21、RBM10、RTN4、RUNX1、SF3B1、SMAD2、SMAD4、SMC1A、SOS2、SOX9、SRGAP3、STAG2、SYNCRIP、TAF1、TBX3、TCF12、TCF7L2、TGFBR2、TP53、TP53BP1、TRIO、WIPF1、WT1和ZC3H11A。

DLBC(彌漫性大B細胞淋巴瘤)驅動基因包括ACTB、AKAP9、ARID1A、CHD4、CREBBP、FBXO11、MLL2、MYC、SMARCA4和TP53。

ESCA(食道癌)驅動基因包括ACO1、ACSL6、ACVR1B、ADAM10、AFF4、AHR、ARFGEF2、ARHGAP26、ARHGAP35、ARID1A、ARID2、ARNTL、ASPM、ATM、ATR、ATRX、BAP1、BCLAF1、BLM、BPTF、CAPN7、CDH1、CDKN1B、CDKN2A、CEP290、CHD4、CIC、CLTC、CNOT1、CNOT3、CREBBP、CSNK1G3、CTNNB1、CUL3、DDX5、DLG1、EEF1A1、EGFR、EIF2AK3、EIF4G1、ELF3、EP300、ERBB2IP、ERCC2、EZH2、FBXW7、FGFR2、FLT3、HGF、HLA-B、IREB2、IRS2、ITSN1、KALRN、KDM6A、LRP6、MACF1、MAP2K4、MAP3K4、MED12、MET、MGA、MLL2、MSR1、MTOR、NCKAP1、NFE2L2、NSD1、NUP107、NUP98、PAX5、PIK3CA、PTPRU、RAD21、RBM10、RHOA、RTN4、SETD2、SF3B1、SHMT1、SMAD4、SMARCA4、SMC1A、SOX9、SPTAN1、SRGAP3、SYNCRIP、TAF1、TAOK1、TAOK2、TBX3、TP53、TP53BP1、TRIO、WT1、ZC3H11A、ZFP36L2和ZNF814。

GBM(多形性成膠質細胞瘤)驅動基因包括ACAD8、ADAM10、AKAP9、ANK3、AQR、ARFGEF2、ARHGAP35、ARHGEF6、ARID1A、ARID2、ATRX、BAP1、BPTF、BRAF、BRCA1、CAD、CARM1、CASP1、CHD8、CLOCK、CLTC、CNOT1、CSDE1、CUL1、DIS3、EGFR、EZH2、FAT1、FN1、HDAC9、HSP90AB1、IDH1、KALRN、KDM5C、KDM6A、KDR、KRAS、LRP6、MAP3K4、MAP4K3、MAX、MEN1、MET、MLL、NCF2、NCOR1、NEDD4L、NF1、NFATC4、NR2F2、NUP107、PAX5、PBRM1、PCDH18、PIK3CA、PIK3CB、PIK3R1、PRPF8、PTEN、PTPN11、RB1、RPL5、RPSAP58、SF3B1、SIN3A、SOS1、SOX9、SPTAN1、STAG2、TGFBR2、TJP1、TP53、TRIO、WT1和ZNF814。

HC(肝癌)驅動基因包括ACVR2A、APC、ARHGAP35、ARID1A、ARID1B、ARID2、ASH1L、ATRX、BLM、BPTF、CEP290、CNOT1、CTNNB1、FLT3、IDH1、ITSN1、MACF1、MLL3、MYH10、NF1、NFATC4、NFE2L2、PBRM1、PIK3CA、PTEN、RTN4、SETDB1、SF3B1、TBL1XR1和TP53。

HNSC(頭頸部鱗狀細胞癌)驅動基因包括ACAD8、ACTB、ACTG1、ACVR2A、ADAM10、AHR、AKT1、APAF1、APC、ARFGAP1、ARFGEF2、ARHGAP35、ARHGEF6、ARID1B、ARID2、ATIC、ATM、ATP6AP2、ATR、ATRX、B2M、BAP1、BAZ2B、BCL11A、BMPR2、BNC2、BPTF、BRAF、BRCA1、BRWD1、CAD、CARM1、CASP1、CASP8、CAT、CCAR1、CCT5、CDH1、CDK12、CDKN1B、CDKN2A、CEP290、CHD9、CIITA、CLASP2、CLSPN、CNOT4、COL1A1、CSNK2A1、CTCF、CTNNB1、CUL1、CUL3、CYLD、DDX3X、DICER1、DNMT3A、EEF1A1、EGFR、EIF2C3、ELF1、ELF4、EP300、EPHA2、EZH2、FAT1、FAT2、FBXW7、FGFR2、FLT3、FMR1、FN1、FOXP1、FUBP1、G3BP2、GNAS、GPSM2、HLA-A、HLA-B、HNRPDL、HRAS、HSPA8、IREB2、IRF6、IRS2、KALRN、KDM5C、KDM6A、KLF6、LAMA2、LPHN2、MACF1、MAP3K1、MAP4K3、MED17、MEF2C、MEN1、MGA、MGMT、MLL、MLL2、MSR1、MTOR、MUC20、MYH9、NCF2、NCKAP1、NCOR1、NEDD4L、NF1、NFATC4、NFE2L2、NOTCH1、NOTCH2、NR4A2、NSD1、NUP107、PABPC3、PAX5、PBRM1、PCDH18、PIK3CA、PIK3R1、PIK3R3、POLR2B、PPP2R1A、PPP2R5C、PRPF8、PRRX1、PSIP1、RAC1、RAD21、RASA1、RASGRP1、RHOA、RPL22、RPSAP58、RUNX1、SEC24D、SF3B1、SIN3A、SMAD2、SMARCA4、SMC1A、SOX9、SPOP、SPTAN1、STAG2、 STIP1、TAOK1、TAOK2、TBL1XR1、TBX3、TCF12、TCF4、TFDP1、TFDP2、TGFBR2、THRAP3、TJP2、TP53、TRIO、TRIP10、U2AF1、WHSC1、ZC3H11A和ZNF750。

LGG(低分級神經膠質瘤)驅動基因包括ACO1、ARFGEF2、ARHGAP26、ARHGEF6、ARID1A、ARID1B、ARID2、ATRX、CAD、CDK12、CHEK2、CIC、DDX3X、EEF1B2、EGFR、EIF1AX、FAM123B、FAT1、FUBP1、HGF、IDH1、IDH2、KAT6B、MAX、MECOM、MET、MLL、MLL2、MTOR、NCOR1、NEDD4L、NF1、NF2、NOTCH1、PIK3CA、PIK3R1、PTEN、PTPN11、RASA1、RB1、SETD2、SMARCA4、TAF1、TCF12、TJP1、TP53、TRIO、ZMYM2、ZNF292和ZNF814。

LUAD(肺腺癌)驅動基因包括ACAD8、ACO1、ACTG1、ACTG2、ACVR1B、ACVR2A、ADAM10、AFF4、AKT1、ARFGAP1、ARHGAP26、ARID1A、ATIC、ATP6AP2、BAP1、BAZ2B、BLM、BMPR2、BRAF、BRWD1、CAPN7、CARM1、CASP8、CAT、CCAR1、CCT5、CDH1、CDK12、CDKN1B、CDKN2A、CHD1L、CHEK2、CIC、CLASP2、CLSPN、CNOT3、CNOT4、COL1A1、COPS2、CREBBP、CRNKL1、CSNK1G3、CTCF、CTNNB1、CUL2、CUL3、CYLD、DDX3X、DDX5、DHX15、DNMT3A、EEF1B2、EFTUD2、EGFR、EIF2AK3、EIF2C3、EIF4A2、EIF4G1、EP300、EPHA4、EPHB2、ERBB2IP、ERCC2、EZH2、FAT1、FBXW7、FGFR2、FMR1、FN1、FUBP1、FXR1、G3BP1、G3BP2、GNAI1、GNG2、GPSM2、HLA-A、HSP90AA1、HSP90AB1、HSPA8、IDH1、IREB2、IRS2、KDM6A、KDR、KEAP1、KLF6、KRAS、LCP1、LDHA、LPHN2、MAP2K1、MAP2K4、MAP3K1、MAP3K4、MAP4K1、MAP4K3、MAX、 MED17、MED24、MEN1、MET、MGA、MKL1、MLH1、MLL、MLL3、MMP2、MSR1、MYB、MYH10、NCK1、NCKAP1、NEDD4L、NF1、NF2、NFE2L2、NPM1、NRAS、NTN4、NTRK2、NUP107、NUP98、PAX5、PBRM1、PCSK6、PHF6、PIK3R1、PIK3R3、PIP5K1A、POLR2B、PPP2R1A、PPP2R5A、PRPF8、PRRX1、PSMA6、PSMD11、PTEN、PTGS1、PTPN11、RAD23B、RASA1、RB1、RBM10、RBM5、RHEB、RTN4、SETD2、SETDB1、SF3B1、SFPQ、SHMT1、SIN3A、SMAD2、SMAD4、SMARCA4、SMC1A、SOX9、SPRR3、STAG1、STIP1、STK11、STK4、SVEP1、SYNCRIP、TAOK1、TAOK2、TBL1XR1、TCF12、TCF4、TCF7L2、TFDP1、TGFBR2、TNPO1、TOM1、TP53、TP53BP1、U2AF1、UPF3B、ZMYM2和ZNF814。

LUSC(肺小細胞癌)驅動基因包括ABL2、ACAD8、ACO1、ACSL6、ACTG2、ACVR1B、ADAM10、AFF4、AQR、ARFGEF2、ARHGEF6、ARID1A、ARID1B、ARNTL、B2M、BLM、CASP8、CAST、CCAR1、CDC73、CDH1、CDKN1A、CDKN2A、CHD1L、CHD3、CHEK2、CIC、CLASP2、CLOCK、CNOT3、CNOT4、COPS2、CSDA、CSDE1、CTNNB1、CTTN、CUL1、DDX3X、DHX15、DHX9、DLG1、EEF1A1、EGFR、EIF2C3、EIF4A2、ELF1、ERBB2IP、EZH2、FGFR2、FGFR3、FMR1、FN1、FOXP1、FUBP1、FXR1、G3BP2、GATA3、GNAI1、GOLGA5、GPSM2、HLA-A、HLF、HRAS、HSP90AA1、HSP90AB1、HSPA8、IDH1、IREB2、IRS2、ITSN1、KDM5C、KEAP1、KRAS、MAP2K1、MAP3K1、MAP3K4、MED17、MED24、MEN1、MET、MKL1、MLH1、MLL、MLL2、MUC20、MYB、NCF2、NCK1、NDRG1、NF1、NFATC4、NFE2L2、NOTCH1、NR4A2、NTN4、NUP107、NUP98、PAX5、PCDH18、PCSK6、PHF6、 PIK3CA、PIK3CB、PIK3R3、PIP5K1A、PPP2R5C、PRPF8、PTEN、PTPN11、RAD21、RASA1、RB1、RBM10、RGS3、RPL5、RTN4、SEC24D、SETD2、SETDB1、SF3A3、SF3B1、SIN3A、SMAD2、SMAD4、SPTAN1、SRGAP3、STAG1、STK11、STK4、SUZ12、SYNCRIP、TAOK2、TBL1XR1、TBX3、TFDP1、TFDP2、TGFBR2、THRAP3、TJP2、TNPO1、TOM1、TP53、UPF3B、WIPF1、WT1、ZC3H11A和ZFP36L2。

MB(成神經管細胞瘤)驅動基因包括ARID1A、ARID1B、ARID2、BCLAF1、BCOR、CCAR1、CREBBP、CTNNB1、DDX3X、FBXW7、FMR1、KDM6A、MGA、MLL2、MLL3、NF1、PIK3CA、PRKAR1A、PTCH1、SMARCA4、SMO、TAF1、TCF4和TP53。

MM(多發性骨髓瘤)驅動基因包括APC、ARHGAP35、ARID2、BRAF、CASP8、CEP290、CHD9、DDX3X、FAM46C、FXR1、KRAS、MECOM、NF1、NRAS、NSD1、PIK3CA、SF3B1和TP53。

NB(成神經細胞瘤)驅動基因包括AHR、ALK、ANK3、ARID1A、ATM、ATRX、CEP290、COL1A1、CREBBP、EIF2C3、KLF4、LRP6、MACF1、MECOM、MET、MLL2、MYCN、NF1、NOTCH1、NRAS、PBRM1、PIK3CA、PIK3CB、PTPN11、STAG1、TAF1和TRIO。

NSCLC(非小細胞肺癌)驅動基因包括AKAP9、APC、HGF、KALRN、KEAP1、KRAS、MLL3、RB1、SEC24D、SMARCA4和TP53。

OV(卵巢癌)驅動基因包括ACO1、ACTG1、AFF4、ARID1A、ASH1L、ASPM、ATF1、ATIC、ATR、ATRX、BAP1、BAZ2B、BMPR2、BRAF、BRCA1、BRCA2、CASP1、CCAR1、CCT5、CDK12、CHD1L、CHD4、CLASP2、 CLSPN、CSDE1、CTNNB1、CUL2、DDX5、DLG1、DNMT3A、EIF2AK3、EIF4A2、ERBB2IP、F8、FAM123B、FBXW7、FLT3、FMR1、GNAS、GOLGA5、GPS2、HDAC3、HGF、HSP90AA1、ITSN1、KRAS、LPHN2、MAP3K4、MAP4K3、MECOM、MED12、MKL1、MLH1、MLL2、MYH10、NCKAP1、NDRG1、NF1、NOTCH1、NR4A2、NRAS、NSD1、PIK3CA、POLR2B、PTEN、RB1、RHOA、SETD2、SETDB1、SIN3A、SOS1、STAG1、STAG2、TBX3、TCF7L2、TFDP1、TGFBR2、TJP1、TOM1、TP53、TP53BP1、TRIO和YBX1。

PAAD(胰腺腺癌)驅動基因包括ACVR1B、AHNAK、ANK3、ARHGAP35、ARID1A、ARID2、ATM、CREBBP、EP300、EPC1、KRAS、MAP2K4、MLL3、PBRM1、PCDH18、PCSK6、SF3B1、SMAD4、SMARCA4、TGFBR2和TP53。

PRAD(前列腺腺癌)驅動基因包括ADCY1、AHNAK、AKAP9、APC、AQR、ARFGAP3、ARID1B、ATIC、ATM、ATRX、BCLAF1、BCOR、BNC2、BPTF、BRAF、CASP1、CAT、CDC27、CDH1、CDKN1B、CEP290、CHD1L、CHD3、CHD4、CHEK2、CNOT1、CNOT3、CNTNAP1、CTNNB1、CUL2、CUL3、EEF1B2、EGFR、EIF2AK3、EIF4G1、EP300、ERCC2、FAT1、FGFR2、FIP1L1、FN1、FRG1、G3BP2、GNAS、HGF、HNF1A、HRAS、HSP90AB1、HSPA8、IDH1、IRS2、KDM6A、KEAP1、MECOM、MED12、MLL2、MYH10、NAP1L1、NKX3-1、NOTCH1、NOTCH2、NUP98、PCDH18、PIK3CB、PLXNA1、PRPF8、PTEN、RPSAP58、SCAI、SETDB1、SMAD4、SMARCA1、SMARCB1、SPOP、SVEP1、TAOK2、TBL1XR1、TBX3、THRAP3、TJP1、TJP2、TP53、TP53BP1、TRIO、WHSC1L1、WNT5A、ZFHX3和ZNF814。

RCCC(腎透明細胞癌)驅動基因包括ACO1、ACTG1、AHR、AKT1、ARHGAP26、ARID1A、ARID1B、ARID2、ASH1L、ATF1、ATM、BAP1、BCLAF1、BCOR、BMPR2、CAD、CAT、CCAR1、CDC73、CDH1、CHEK2、CLTC、CNOT3、CNOT4、COPS2、CSDA、CTCF、CUL1、DDX3X、DDX5、DHX15、DICER1、DIS3、EEF1A1、EGFR、EIF2AK3、EIF2C3、EIF4A2、EIF4G1、ELF1、ERBB2IP、EZH2、FAM123B、FLT3、FMR1、FUS、G3BP2、HDAC9、HLF、HNRPDL、HSP90AB1、IDH1、ITSN1、KDM5C、KDM6A、KEAP1、LCP1、LPHN2、LRP6、MAX、MED17、MED24、MET、MGA、MKL1、MLL3、MTOR、NCOR1、NFE2L2、NTN4、NUP98、PABPC1、PBRM1、PCDH18、PCSK6、PHF6、PIK3R1、PIP5K1A、PPP2R1A、PSMA6、PSME3、PTEN、RASA1、RPL22、RPL5、SEC24D、SETD2、SHMT1、SIN3A、SMAD2、SMC1A、SOX9、SRGAP3、TAOK2、TBL1XR1、TCF12、TJP1、TJP2、TP53BP1、TRIO、VHL、WHSC1L1、WT1、ZFP36L2和ZNF814。

SCLC(小細胞肺癌)驅動基因包括AHNAK、AHR、AKAP9、ANK3、ARID1A、ARID1B、ARID2、ASH1L、ASPM、ATR、ATRX、BAZ2B、BCLAF1、BMPR2、BNC2、BRWD1、CCT5、CDK12、CHD1L、CHEK2、CLSPN、CREBBP、DICER1、EIF2AK3、EP300、FAM123B、FAT1、FN1、GNAS、HGF、HSP90AB1、ITSN1、KALRN、KDM6A、MED12、MLL、MLL2、MLL3、MNDA、MSR1、MTOR、MYB、NCKAP1、NF1、NOTCH1、NR4A2、NUP107、PIK3CA、PTEN、PTPRU、RAD21、RB1、SIN3A、SOS1、SOS2、SPTAN1、TAF1、TBX3、TJP1、TP53和ZC3H11A。

STAD(胃腺癌)驅動基因包括ACAD8、ACSL6、ACTG2、ACVR1B、ACVR2A、ADAM10、AFF4、AKAP9、ANK3、APC、AQR、ARFGEF1、ARHGAP26、ARHGAP35、ARHGEF6、ARID1A、ARID1B、ARID4A、ASH1L、ATIC、ATP6AP2、ATR、ATRX、BAP1、BCOR、BPTF、BRAF、BRCA1、CAD、CAPN7、CASP8、CAT、CCAR1、CCT5、CDC73、CDH1、CDKN2A、CEP290、CHD1L、CHD3、CHEK2、CLASP2、CLOCK、CLTC、CNOT1、CNOT4、COL1A1、COPS2、CSDA、CSDE1、CSNK1G3、CTNNB1、CUL1、CUL2、CUL3、CYLD、DDX5、DHX15、DIS3、DLG1、DNMT3A、EEF1A1、EGFR、EIF2AK3、EIF4A2、EIF4G1、ELF3、EPHA1、ERBB2IP、ERCC2、EZH2、FAM123B、FAS、FGFR2、FLT3、FOXP1、FUBP1、G3BP2、GATA3、GNA11、GNAI1、GOLGA5、HDAC3、HLA-A、HLA-B、HNRPDL、HSP90AB1、IREB2、IRF2、IRS2、KDM6A、KLF4、KLF6、KRAS、LCP1、LPHN2、MACF1、MAP2K1、MAP2K4、MAP3K1、MECOM、MED12、MED17、MET、MKL1、MLH1、MSR1、MYH11、MYH9、NAP1L1、NCK1、NCKAP1、NEDD4L、NFE2L2、NR2F2、NR4A2、NSD1、NUP107、NUP98、PCSK5、PHF6、PIK3CA、PIK3CB、PIK3R1、PIP5K1A、POLR2B、PPP2R1A、PRRX1、PTEN、PTGS1、PTPN11、PTPRF、PTPRU、RAD21、RASA1、RBBP7、RBM5、RHOA、RPL22、RTN4、RUNX1、SETD2、SF3B1、SIN3A、SMAD2、SMAD4、SMARCA4、SMC1A、SOS1、SOS2、SOX9、SPOP、SRGAP3、STARD13、STIP1、STK4、SUZ12、TAF1、TAOK2、TBL1XR1、TBX3、TCF4、TCF7L2、TFDP1、THRAP3、TJP1、TJP2、TNPO1、TNPO2、TP53、TP53BP1、WIPF1、WT1、ZC3H11A和ZMYM2。

THCA(甲狀腺癌)驅動基因包括AHNAK、AKAP9、ARHGAP26、ARID2、BPTF、BRAF、CDK12、CHD3、CTNNB1、DICER1、EIF1AX、GNAS、HNRPDL、HRAS、KRAS、LDHA、MLL、MLL3、NCK1、NRAS、NSD1、PIK3CA、PPM1D、PPP2R1A、PRPF8、PTEN、RPSAP58、TJP1、TP53、TRIO、WIPF1和ZC3H11A。

UCEC(子宮體子宮內膜癌)驅動基因包括ACACA、ACTB、ACTG1、AHR、AKT1、ALK、ANK3、ARAP3、ARHGAP35、ARHGEF6、ARID1A、ARID5B、ARNTL、ATF1、ATIC、ATM、ATR、AXIN1、BAZ2B、BCLAF1、BMPR2、BRAF、BRCA1、CAPN7、CARM1、CAST、CAT、CCND1、CDKN1B、CHD3、CHD4、CHD9、CHEK2、CLOCK、CLTC、CNOT4、CSNK1G3、CTCF、CTNNB1、CTNND1、CUL1、CUX1、DEPDC1B、DHX15、DHX35、DICER1、DIS3、DNMT3A、EGFR、EIF1AX、EIF2AK3、EIF2C3、EIF4A2、EIF4G1、EP300、ERBB3、FAM123B、FAS、FBXW7、FGFR2、FLT3、FOXA2、FUBP1、FXR1、G3BP2、GNAI1、GPS2、GPSM2、HDAC3、HGF、IDH1、ING1、INPP4A、INPPL1、IREB2、KDM6A、KLF4、KRAS、MAP2K4、MAP3K1、MAX、MED17、MET、MGA、MKL1、MLH1、MLH3、MUC20、MYB、MYH10、NCF2、NCKAP1、NCOR1、NDRG1、NEDD4L、NF2、NFE2L2、NR2F2、NRAS、NUP93、PCDH18、PGR、PHF6、PIK3CA、PIK3R1、PIK3R3、PLCG1、PLXNB2、PPP2R1A、PPP2R5A、PPP2R5C、PRPF8、PRRX1、PTEN、PTPN11、RAD21、RAD23B、RBBP7、RBM5、RHEB、ROBO2、RPL22、RPL5、RTN4、RUNX1、SEC31A、SHMT1、SMAD2、SMC1A、SOX17、SPOP、SRGAP3、STIP1、SUZ12、SYNCRIP、 TBL1XR1、TBX3、TFDP1、TGFBR2、TP53、TP53BP1、U2AF1、VHL、WIPF1、ZC3H11A、ZFHX3、ZFP36L2、ZMYM2和ZNF814。

可考慮任何合適的方法和來源來鑒定癌症驅動抗原(cancer driver antigens)。在一個本發明的方法中，癌症驅動抗原或新表位可以在較佳使用患者腫瘤材料(例如，新鮮活組織檢查、冷凍或其他方式保存的組織或細胞樣品、循環腫瘤細胞、外來體、各種體液(特別是血液)等)的方法中鑒定。然後可以對患者樣品進行組學分析以獲得組學數據，最典型的是基因組學數據(如全基因組序列數據、全外顯子組數據等)、轉錄組學數據(尤其是RNAseq數據)和/或蛋白質組學數據(其可以是定性的或定量的)。因此，適合的組學分析方法包括核酸測序，特別是在DNA上操作的NGS方法(例如Illumina測序、離子激流測序、454焦磷酸測序、奈米孔測序等)；RNA測序(例如RNAseq，基於逆轉錄的測序等)以及蛋白質測序或基於質譜的測序(例如，SRM、MRM、CRM等)。

在本發明標的的一個特佳的方面，藉由對腫瘤和匹配的正常樣品進行全基因組測序和/或外顯子組測序(通常覆蓋深度為至少10x，更通常為至少20x)來進行DNA分析。或者，也可以由來自先前序列測定的已確定的序列記錄(例如，SAM、BAM、FASTA、FASTQ或VCF文件)提供DNA數據。因此，數據集可以包括未處理或已處理的數據集，並且示例性數據集包括具有BAMBAM格式、SAMBAM格式、FASTQ格式或FASTA格式的數據集。然而，特佳的是，以BAMBAM格式或者作為BAMBAM diff對象提供數據集(參見例如US2012/0059670A1和US2012/0066001A1)。此外，應該注意的是，數據集反映同一患者的腫瘤和匹配的正常樣本，以獲得患者和腫瘤特有的信息。因此，可以排除不引起腫瘤的基因生殖細胞系變化(例如沉默突變，SNP等)。當然，應該認 識到腫瘤樣本可來自最初的腫瘤、治療開始時的腫瘤、復發的腫瘤或轉移部位等。在大多數情況下，患者的匹配的正常樣本可以是血液或來自與腫瘤具有相同組織類型的未患病組織。

本領域已知有許多轉錄組學分析方法，並且所有已知的方法均被認為適用於本文。例如，較佳的材料包括mRNA和初級轉錄物(hnRNA)，並且RNA序列信息可以從反轉錄的polyA⁺-RNA獲得，該反轉錄的polyA⁺-RNA又從同一患者的腫瘤樣品和匹配的正常(健康)樣品獲得。同樣，應該注意的是，雖然polyA⁺-RNA通常較佳地作為轉錄組的代表，但是認為其他形式的RNA(hn-RNA、非聚腺苷酸化的RNA、siRNA、miRNA等)也適用於本文。較佳的方法包括定量RNA(hnRNA或mRNA)分析和/或定量蛋白質組學分析，尤其包括RNAseq。在其他方面，儘管認為各種替代方法(例如基於固相雜交的方法)也是合適的，但使用基於RNA-seq、qPCR和/或rtPCR的方法進行RNA定量和測序。從另一個角度來看，轉錄組學分析適於(單獨地或與基因組分析相結合)鑒定和定量具有癌症特異性和患者特異性的突變的基因。

類似地，可以以許多方式進行蛋白質組學分析以確定新表位的RNA的實際翻譯，並且本文涵蓋所有已知的蛋白質組學分析方式。然而，特佳的蛋白質組學方法包括基於抗體的方法和質譜方法。此外，應該指出的是，蛋白質組學分析不僅可以提供蛋白質本身的定性或定量信息，而且在蛋白質具有催化活性或其他功能活性的情況下還可以包括蛋白質活性數據。在US7473532中描述了一種用於進行蛋白質組學測定的示例性技術，該文獻通過引用併入本文。鑒定或甚至定量蛋白表達的其他合適方法包括各種質譜分析(例如選擇性反應監測(SRM)、多反應監測(MRM)和連續反應監測(CRM))。因此，應該認識到， 上述方法將提供患者和腫瘤特異性的新表位，該患者和腫瘤特異性的新表位可藉由含有新表位的蛋白的亞細胞定位(例如，膜位置)、表達強度(例如，與同一患者的匹配的正常組織相比過度表達)等進行進一步過濾。

類似地，可以以許多方式進行序列數據的計算分析。然而，在最佳的方法中，藉由例如在US2012/0059670A1和US2012/0066001A1中公開的使用BAM文件和BAM服務器的、腫瘤與正常樣本之間的位置引導的同步比對，在計算機上進行分析。這樣的分析有利地減少了假陽性新表位，並且顯著降低了對存儲器和計算資源的需求。

應該注意的是，任何針對計算機的語言都應當被理解為包括計算設備的任何合適的組合，該計算設備包括服務器、接口、系統、數據庫、代理、對等設備、引擎、控制器或者其他類型的單獨運行或集體運行的計算設備。應當理解，計算設備包括被配置為執行存儲在有形的非暫時性計算機可讀存儲介質(例如，硬碟驅動器、固態驅動器、RAM、閃存、ROM等)上的軟體指令的處理器。軟體指令較佳地對計算設備進行配置以提供下面討論的所公開的設備的角色、責任或其他功能。此外，所公開的技術可以實體化為計算機程序產品，其包括存儲軟體指令的非暫時性計算機可讀介質，該軟體指令使處理器執行所公開的與實施基於計算機的算法、過程、方法或其他指令相關的步驟。在特佳的實施方案中，各種服務器、系統、數據庫或接口使用標準化協議或算法(可能基於HTTP、HTTPS、AES、公私密鑰交換、網路服務API、已知金融交易協議或其他電子信息交換方法)來交換數據。設備之間的數據交換可以藉由分組交換網路、網際網路、LAN、WAN、VPN或其他類型的分組交換網路，電路交換網路，電池交換網路(cell switched network)，或其他類型的網路進行。

另外且可選地，可以獲得匹配的非腫瘤材料(例如患者的非腫瘤組織如血液、來自健康個體的非腫瘤匹配組織等)，以比較腫瘤組織的組學數據和匹配組織的組學數據，使得在患者腫瘤材料中鑒定的任何突變是腫瘤細胞所特有的。

或者，還可以由來自先前序列測定的已確定的序列記錄(例如，SAM、BAM0064、FASTA、FASTQ或VCF文件)提供患者組學數據。例如，可以以多種方式對DNA或RNA序列數據或者其他組學數據進行計算分析以鑒定癌症驅動基因突變。然而，在最佳的方法中，藉由例如US2012/0059670A1和US2012/0066001A1中公開的使用BAM文件(包括數據或序列記錄的BAM形式的計算機文件)和BAM服務器(例如，包括配置為處理BAM文件的處理器的服務器)的、腫瘤與正常樣本之間的位置引導的同步比對，在計算機上進行分析。這樣的分析有利地減少了假陽性突變(例如通過隨機多態性等)，並且顯著降低了對存儲器和計算資源的需求。因此，組學數據集可以包括未處理或已處理的數據集，並且示例性數據集包括具有BAM格式、SAM格式、FASTQ格式或FASTA格式的數據集。

任選地，從患者樣品中鑒定出來的癌症驅動基因突變可以限於最為常見的或與至少一種癌症類型強相關的預定數目的基因。例如，在患者被診斷為患有非小細胞肺癌的情況下，不是獲得患者腫瘤細胞中整個基因組或全部編碼基因的組學數據來鑒定任何可能的癌症驅動基因突變，而是可以獲得少於5個基因、少於10個基因、少於15個基因、少於20個基因、少於30個基因、少於50個基因的組學數據，該基因已被發現在非小細胞肺癌患者中最頻繁地發生突變或已知與非小細胞肺癌相關(臨床或通過體外研究等)。

或者，在一些實施方案中，基因的數目和基因的類型可以如下確定：通過用具有多個最頻繁地發生突變的基因的癌症組(Cancer Panel)對患者腫瘤樣品進行預篩選以確定哪個基因在患者腫瘤樣品中發生突變或可能發生突變。可以使用任何合適的市售或定制的癌症組(Cancer Panel)。示例性的多癌症組(Multi-Cancer Panel)包括但不限於Invitae Multi-Cancer Panel^TM、Focus：：NGS® Targeted NGS Panel、NovoPM^TM Cancer Panel等。這種可選的預篩選過程可以減少組學數據分析的時間和數量，該組學數據分析可包括基因組、RNA序列或蛋白質組中基本上不影響癌症的發展或預後的其他突變或變化。

本發明人認為可以根據先驗的已知分子變異過濾如此獲得的關於癌症驅動基因突變的組學數據，從而可以確定不是腫瘤所特有的任何假陽性腫瘤抗原。例如，可以將癌症驅動基因突變與包含已知人類序列(例如，患者或患者集合的序列)的數據庫進行比較，從而避免使用人類相同序列。此外，在腫瘤和匹配的正常序列中均存在SNP的情況下，過濾還可以包括去除由於患者中的SNP引起的癌症驅動基因突變序列。例如，單核苷酸多態性數據庫(dbSNP)是由美國國家生物技術信息中心(NCBI)與美國國家人類基因組研究所(NHGRI)合作開發和主持的不同物種內部和不同物種之間的遺傳變異的免費公共檔案庫。雖然數據庫的名稱暗示只有一類多態性(即單核苷酸多態性(SNP))的集合，但實際上它包含了相對較寬的分子變異範圍：(1)SNP，(2)短的缺失和插入多態性(indels/DIP)，(3)微衛星標記或短串聯重複序列(STR)，(4)多核苷酸多態性(MNP)，(5)雜合序列和(6)已命名的變體。dbSNP接收明顯中性的多態性、對應於已知表型的多態性和沒有變化的區域。使用這樣的數據庫和如上所述的其他 過濾選項，可以過濾所鑒定出的癌症驅動基因的可變序列以去除那些已知序列，得到具有顯著降低的假陽性的複數個新表位序列的序列集。

來自癌症驅動基因突變的可變腫瘤抗原

現認為，腫瘤抗原(特別是腫瘤新表位)可被表徵為腫瘤細胞中表達的隨機突變，所述突變產生獨特的腫瘤特異性抗原。因此，從不同角度來看，腫瘤抗原(或腫瘤新表位)可以包括不同類型的突變(例如缺失、插入、顛換、轉換、易位)，並且可以基於突變(無義、錯義、移碼等)對編碼的抗原具有不同的影響。通常，存在於腫瘤細胞表面的較佳的腫瘤抗原(或腫瘤新表位)是相對較短的多肽，其長度為5聚體-30聚體、12聚體-25聚體，或更典型的7聚體-11聚體，其中存在胺基酸序列的變化。例如，當腫瘤抗原由MHC-I複合物呈遞時，典型的新表位長度將是約8-11個胺基酸，而藉由MHC-II複合物呈遞的腫瘤抗原的典型長度為約13-17個胺基酸。

通常，編碼腫瘤抗原的DNA序列中的一個或複數個突變由腫瘤抗原蛋白序列中的一個或複數個改變的胺基酸表示。例如，癌症驅動基因中的突變可導致由癌症驅動基因編碼的蛋白的至少一部分中單個胺基酸的改變。然而，應該認識到，蛋白中的單個胺基酸改變可能不一定產生單一類型的、具有改變的胺基酸的抗原。最典型地，認為改變的胺基酸將位於或靠近中心的胺基酸位置。然而，改變的胺基酸在腫瘤抗原(或腫瘤新表位)中的位置可以是中心以外的位置。例如，典型的新表位可以具有A₄-N-A₄或A₃-N-A₅或A₂-N-A₇或A₅-N-A₃或A₇-N-A₂的結構，其中A是蛋白質胺基酸，N是改變的胺基酸(相對於野生型或相對於匹配的正常組織)。因此，應該認識到，取決於改變的胺基酸的位置，單個胺基酸改變可以存在於包括改變的胺基酸的許多腫瘤抗原序列中。換句話 說，取決於突變蛋白的哪些區段被加工以產生腫瘤抗原，可以從甚至單一突變來產生多種腫瘤抗原。

本發明人發現，各種腫瘤抗原在觸發針對腫瘤抗原的免疫系統中具有不同的效果，即使它們來自相同的單點突變。造成這種不同效果的可能原因之一是，這些不同的效果可能是由抗原對特定HLA等位基因所編碼的MHC分子的不同結合親和力造成的。另一種可能性是不同抗原(即在不同位置共有相同的突變)可能引起抗原-MHC分子複合物的不同構象變化。本發明人認為抗原-MHC分子複合物的一些構象變化可能導致複合物在細胞表面上呈遞失敗，或減弱複合物與免疫細胞(例如與T細胞受體等)之間的相互作用。例如，圖2顯示衍生自KRAS G12V突變的兩種不同的9聚體新抗原的分子建模：VVGAVGVGK和YKLVVVGAV(G12V突變加下劃線)形成由HLA-A*11：01等位基因編碼的MHC蛋白的複合物。如圖2的A-B所示，腫瘤抗原VVGAVGVGK與由HLA-A*11：01等位基因編碼的MHC蛋白質穩定結合並形成複合物。相反，如圖2的C-D所示，腫瘤抗原YKLVVVGAV與由HLA-A*11：01等位基因編碼的MHC蛋白的複合物顯示出不穩定性，表明源自相同基因的相同突變的不同腫瘤抗原觸發針對腫瘤細胞的免疫應答的有效性可能不同。因此，應該注意的是，取決於癌症的類型和階段，當靶向腫瘤抗原時，並非所有鑒定出來的腫瘤抗原都必然導致患者在治療上等效的反應。

HLA同種異型

當癌細胞的MHC分子與腫瘤抗原相匹配時，可以實現腫瘤抗原在腫瘤細胞表面上的有效呈遞。從另一個角度來看，如果患者A和B具有不同的編碼MHC分子的HLA等位基因，那麼可以有效在患者A的腫瘤細胞上呈遞的腫瘤 抗原可能不會在患者B的腫瘤細胞上呈遞。因此，發明人認為可以將患者的HLA等位基因型確定為免疫治療的可變因子。本發明涵蓋確定各種MHC型或HLA等位基因型的任何合適方法，包括但不限於任何化學方法(例如肽測序、結合測定等)或任何計算機模擬方法。在較佳的實施方案中，可以基於組學數據(全基因組數據、全外顯子組數據、RNA序列數據、蛋白質組學數據)確定患者的HLA等位基因型。例如，在根據本發明標的的一個較佳方法中，藉由數據庫或測序儀提供定位至染色體6p21.3(或者發現HLA等位基因處附近/HLA等位基因處的任何其他位置)的相對大量的患者序列讀段。最典型地，序列讀數將具有大約100-300個鹼基的長度並且包括元數據，包括讀取質量、比對信息、方向、位置等。例如，合適的格式包括SAM、BAM、FASTA、GAR等。在不限制本發明標的的情況下，通常較佳患者序列讀段提供至少5×、更通常至少10×、更加通常至少20×、最通常至少30×的覆蓋深度。

除了患者序列讀段以外，本發明的方法還使用一個或複數個參考序列，該參考序列包括複數個已知的不同HLA等位基因的序列。例如，典型的參考序列可以是合成(沒有相應的人類或其他哺乳動物對應物)序列，其包括至少一種HLA-型的序列區段，該HLA-型具有複數個HLA-等位基因。例如，合適的參考序列包括HLA-A的至少50個不同等位基因的已知基因組序列的集合。或者或另外，參考序列還可以包括HLA-A的至少50個不同等位基因的已知RNA序列的集合。當然，如下面將更詳細地進一步討論的，參考序列不限於HLA-A的50個等位基因，而是可以具有其他HLA-型組成和等位基因的數量/組成。最典型的是，參考序列將是計算機可讀格式，並由數據庫或其他數據存儲設備提供。例如，合適的參考序列格式包括FASTA、FASTQ、EMBL、GCG或GenBank格式， 並且可以從公共數據庫(例如，IMGT，即國際免疫遺傳信息系統或等位基因頻率網數據庫，或EUROSTAM，URL：www.allelefrequencies.net)直接獲得或構建。或者，也可基於一個或複數個預定標準，如等位基因頻率、種族等位基因分佈、常見或罕見等位基因型等，根據各個已知的HLA-等位基因構建參考序列。

使用參考序列時，患者序列讀段現在可以通過de Bruijn圖以鑒定具有最佳擬合的等位基因。在這種情況下，應該注意到，每個個體攜帶每種HLA-型的兩個等位基因，這些等位基因可能非常相似，在某些情況下甚至是相同的。這種高度的相似性對於傳統的比對方案是一個重大的問題。發明人現在已經發現，HLA等位基因，甚至非常密切相關的等位基因可以使用這樣一種方法來解析，在該方法中，藉由將序列讀段分解成相對較小的k聚體(通常具有10-20個鹼基)，並且藉由實施加權投票過程來構建de Bruijin圖，在加權投票過程中，每個患者序列讀段基於該序列閱讀中與該等位基因的序列匹配的k聚體為每個等位基因提供投票(“定量讀段支持”)。那麼等位基因的累積最高投票指示最有可能的預測HLA等位基因。另外，通常較佳的是，與等位基因匹配的每個片段也被用於計算該等位基因的總覆蓋度和覆蓋深度。

可根據需要進一步改進或改善評分，尤其是在許多最好的命中物(top hit)相似的情況下(例如，當其分數的大部分來自高度共享的k聚體集合的情況下)。例如，評分改善可以包括加權方案，其中與當前最好的命中物基本上相似(例如，>99%，或其他預定值)的等位基因被從將來的考量中移除。然後通過因子(例如0.5)重新加權由當前最好的命中物使用的k聚體的計數，並通過將這些加權的計數加和來重新計算每個HLA等位基因的分數。重複這個選擇過程以發現新的最好的命中物。使用允許鑒定腫瘤表達的等位基因的RNA序列數據可以 進一步提高方法的準確度，該等位基因有時可能僅僅是存在於DNA的2個等位基因中的1個。在本發明系統和方法的其他有利方面，DNA或RNA或者DNA和RNA的組合可以被處理以進行高度準確的HLA預測，並且可以從腫瘤或血液DNA或RNA中獲得。在其他方面，在國際專利申請PCT/US16/48768中描述了用於高精確度的計算機HLA分型的合適的方法和考慮因素，該專利通過引用併入本文。

最典型地，使用上述方法的HLA-型測定包括至少三種MHC-I亞型(例如，HLA-A、HLA-B、HLA-C)和至少三種MHC-II亞型(例如，HLA-DP、HLA-DQ、HLA-DR、HLA-DM、HLA-DOA、HLA-DOB)。在一些實施方案中，可以將人的HLA-型以至少2位深度(2-digit depth)或至少4位深度(4-digit depth)分成各個亞型。在該實施方案中，在2位或4位深度之後具有任何序列差異的HLA等位基因可以被分類為相同亞型，因為預期由這樣的HLA等位基因編碼的MHC肽的結合親和性或特異性基本相同。然而，在一些其他實施方案中，在本文中也涵蓋更大的深度(例如，6位、8位)。

鑒定匹配的腫瘤抗原用以設計癌症免疫治療

當根據患者的組學數據鑒別患者的HLA-型以及患者的一種或多種癌症驅動基因的突變時，本發明人考慮可以進行進一步的計算分析來鑒定最合適的腫瘤抗原表位從而設計一個有效的免疫療法。在一個實施方案中，本發明人考慮，在使用例如NetMHC(例如NetMHC3.4)使新表位與患者HLA同種異型匹配(docking)並確定最佳結合物(例如，最低K_D，例如小於500nM，或小於250nM，或小於150nM，或小於50nM)時，可以對包含點突變(例如，單個胺基酸取代，如EGFR L858R等)的腫瘤抗原表位的9聚體或10聚體的所有可能的組合進行分析。當然，應該理解的是，可以使用NetMHC之外的系統來完成患者的HLA- 型與腫瘤抗原表位的匹配，合適的系統包括NetMHC II、NetMHCpan、IEDB分析資源(URL immuneepitope.org)、RankPep、PREDEP、SVMHC、Epipredict、HLABinding等(參見例如J Immunol Methods 2011；374：1-4)。在一些實施方案中，可以基於結合親和力對腫瘤抗原表位(9聚體或10聚體)進行分級。本發明人進一步認為更高級別(例如，對患者的MHC型具有更高親和力)的腫瘤抗原表位更可能與患者的MHC分子形成穩定的複合物，因此很有可能存在於細胞表面上，這樣最有可能引起具有治療效果的免疫應答。

在另一個較佳的實施方案中，較佳的腫瘤抗原可以藉由將患者的HLA等位基因型和腫瘤抗原與對同一腫瘤抗原具有最小親和力的多數等位基因型進行匹配來預測。如本文所用，最小親和力是指腫瘤抗原對HLA-等位基因的親和力被測定為K_d等於小於300nM、較佳地等於或小於100nM、更佳地等於或小於50nM。

較佳地，多數等位基因型是不同種族(高加索人、亞洲人、黑人、西班牙人、美洲印第安人等)、不同地理位置(例如北美、南美洲、東南亞、北歐、遠東亞洲等)、不同性別或家系(血統、家庭關係等)中的一種或多種代表HLA等位基因型。在一些實施方案中，可以基於群體中等位基因的頻率確定多數等位基因型。例如，亞洲人中的多數等位基因型是可以在亞洲人群的至少0.05%、至少0.1%、至少0.3%、至少0.5%或至少1%中找到的HLA等位基因型，亞洲人的HLA-等位基因型是已知的或被分析過的。在其他實施方案中，多數等位基因型還可以由群體中所有其他等位基因中四分之一的等位基因確定。例如，如果在西班牙裔人群中發現1,000種HLA-等位基因型，則該群體中的多數等位基因型可 以被定義為基於該群體中HLA等位基因頻率排名的前0.5%、前1%。前2%或前5%。

基於種族、地理位置或其他條件的群體分組是以下面的發現為基礎的：這樣的群組對不同類型的癌症表現出不同的癌症發病率，這可能表明對不同類型的癌症具有不同的易感性。此外，這些群組即使在具有相同的癌症類型的患者中也經常顯示出不同類型和不同頻率的基因突變。表2示出了一個示例性統計數據，其按照地理位置示出了在肺腺癌患者中癌症驅動基因突變的發生率。經鑒定，在亞洲肺腺癌患者中的EGFR突變是美國的肺腺癌患者的3.5倍。相反，經檢測，美國的KRAS基因突變是亞洲患者的2-3倍。因此，即使對於相同類型的癌症，不同地理區域(或種族、性別、家族遺傳等)的患者可能會顯示出不同的甚至偏好的導致或促進腫瘤進程的遺傳傾向，這表明免疫治療的靶標可以不同，並且還可以根據這樣的群組推斷出所述靶標。

還應注意的是，在按種族、地理位置，性別或家系分組的不同群體中，HLA等位基因型有很大程度的差異。本發明人認為不同群體中HLA等位基因型的這種變化表明：甚至在相同基因中具有相同類型的突變的同類型癌症的患者中，可靶向的腫瘤抗原序列很可能不同。這樣，本發明人發現可以基於群組中的HLA等位基因型及其頻率來鑒定候選腫瘤抗原序列。從另一個角度來 看，可以根據所確定的HLA等位基因型以及任選地根據患者的種族、地理位置、性別或家系推斷出或預測用於為患者設計免疫療法的較佳腫瘤抗原序列。

為了鑒定可以是具有不同HLA等位基因的患者的免疫治療靶標的較佳腫瘤抗原序列，本發明人檢測了所有已知癌症驅動突變(單點突變)的排列對不同種族中經常發現的HLA等位基因的親和力。表3-6提供了源自不同癌症驅動突變的腫瘤抗原的一些實例以及該腫瘤抗原與從一種或多種種族起源鑒定出的各種HLA等位基因型的關係。在這些實施例中，示出了對任一種HLA等位基因的親和力的Kd值等於或低於500nM的抗原。例如，表3提供了源自EGFR L585R(胺基酸位置585處的白胺酸至精胺酸點突變)突變的腫瘤抗原的實例及其與各種HLA等位基因和種族的關係。如圖所示，在不同的族裔中，不同的HLA等位基因以不同的群體頻率顯示。例如，HLA等位基因A*31：01可以在三個不同的種族中找到，包括美洲印第安人、高加索人、混合族裔和亞洲人。在這四個種族中，該HLA等位基因的頻率最高為0.19%。在多數等位基因被確定為在群體的至少0.1%以上中發現的HLA等位基因並且最小親和力等於或小於100nM的實施方案中，HLA等位基因A*31：01是多數等位基因，並且對HVKITDFGR的腫瘤抗原序列具有令人滿意的最小親和力，Kd值為12nM。因此，如果患者是亞洲人，在腫瘤細胞中具有EGFR L585R突變，並且具有A*31：01的HLA等位基因，那麼HVKITDFGR的腫瘤抗原序列是以較高的可能性與患者的MHC分子一起存在於患者腫瘤細胞表面的腫瘤抗原序列，並且可成為免疫治療的期望靶標。

[表3]

又例如，表4提供了源自KRAS G12D突變的腫瘤抗原的實例及其與各種HLA等位基因和種族的關係。在這個實例中，表明了患有相同類型的癌症並具有相同的基因突變但具有不同的HLA等位基因的患者可能在靶向相同腫瘤抗原的免疫療法中得到非常不同的結果。例如，即使兩名患者患有相同類型的癌症，具有相同的KRAS G12D突變並屬於相同的西班牙裔種族，針對腫瘤抗原序列LVVVGADGV的免疫療法對於具有A*02：06的HLA-等位基因的一名患者有效(因為具有22nM的結合親和力)，但對具有A*68：02的HLA-等位基因的另一個患者可能無效(因為具有277nM的結合親和力)。因此，換句話說，如果患者具有A*68：02的HLA-等位基因，具有LVVVGADGV序列的腫瘤抗原可能不被預測為免疫治療的有效靶標。

在另一個實例中，表5提供了源自KRAS G12V突變的腫瘤抗原的實例及其與各種HLA等位基因和種族的關係。在這個實例中，表明了基於患者的HLA等位基因型，對於免疫治療而言一種腫瘤抗原會優於具有相同的突變的另一種腫瘤抗原。例如，當癌症患者被鑒定為具有KRAS G12V突變且具有A*02：50的HLA-等位基因型時，可將具有序列AVGVGKSAL或LVVVGAVGV的兩種腫瘤抗原看作用於免疫治療的靶標，並且假定兩種腫瘤抗原具有相同的最高群體頻率，較佳和推薦具有序列LVVVGAVGV的腫瘤抗原，因為該序列顯示比另一個腫瘤抗原(AVGVGKSAL)的344nM的親和力更強的18nM的親和力。

在又一個實例中，表6提供了源自TP53 E271K突變的腫瘤抗原的實例及其與各種HLA等位基因和種族的關係。

從不同角度來看，發明人認為，對於幾種類型的癌症中幾種最常發生的突變，可以基於高頻率HLA-等位基因和與這些高頻率HLA-等位基因具有高親和力的腫瘤抗原序列來製備幾組癌症疫苗。例如，在美國患者中KRAS G12V突變是腺癌中最常見的突變之一。理論上，在腫瘤抗原是9聚體的情況下，包含KRAS G12V突變的腫瘤抗原可以有9個不同的序列。如此，可以基於這些不同的抗原序列製成9種可能不同的癌症疫苗。然而，根據表5，只有5個腫瘤抗原序列可以以等於或低於500nM的Kd與任何HLA-等位基因或經常發現的HLA-等位基 因結合。換言之，考慮到HLA-等位基因的頻率和抗原對這些等位基因的親和力，與其餘4個可能的腫瘤抗原相比，很可能更加需要針對來源於KRAS G12V突變的5個腫瘤抗原序列的癌症疫苗。

因此，在這樣的實施方案中，患有具有最常發生的突變之一的腫瘤的癌症患者可藉由將患者的等位基因型和腫瘤抗原與對相同腫瘤抗原具有最小親和力的多數等位基因型進行匹配來容易地鑒定可用的癌症疫苗。例如，如果患者具有KRAS G12V突變並且具有A*02：11的HLA-等位基因型，則可以將針對具有YKLVVVGAV序列的腫瘤抗原的癌症疫苗與患者的遺傳概貌(genetic profile)(癌症驅動突變和HLA-等位基因型)進行匹配。經過這樣的匹配後，可以向患者施用癌症疫苗而不需要花費額外的時間和成本製備定制的癌症疫苗。如本文所用，術語“施用”癌症疫苗是指直接和間接施用癌症疫苗。通常由健康護理專業人員(例如醫生、護士等)進行癌症疫苗的直接施用，而間接施用通常包括向醫療保健專業人員提供或製備化合物和組合物以供直接施用的步驟。

因此，可以預先製備現成的癌症免疫治療劑，其中鑒定出針對多數同種異型(例如具有至少0.1、或至少0.2、或至少0.3、或至少0.5的群體頻率)的新抗原，該新抗原具有等於或小於300nM、或者等於或小於200nM、或者等於或小於100nM的預定親和力。然後可向具有與新抗原相同的HLA同種異型的患者提供治療劑(例如通常為病毒疫苗、酵母疫苗、細菌疫苗或肽疫苗)。例如，使用上述表4的KRAS G12D突變數據，可以將現成的癌症免疫治療劑施用於患者以靶向新型抗原LVVVGADGV，其中患者的HLA-型為A*02：06。

可選地和另外地，本發明人還認為患者的遺傳概貌(癌症驅動突變和HLA-等位基因型)可以與患者的其他治療信息相匹配，該治療信息與那些患者 的遺傳概貌相關。例如，數據庫可以包括已被診斷為具有至少一種或多種類型的癌症並且用至少一種或多種類型的癌症治療進行治療的複數個患者的治療信息數據。在一些實施方案中，根據種族、地理位置、性別或家系將複數個患者分類或分成為幾個組。

通常，治療信息數據包括複數個患者的癌症驅動突變類型(例如，KRAS G12V突變等)和HLA-等位基因型。較佳地，治療信息數據還包括在每個患者的癌症治療之後的癌症治療和/或腫瘤預後的結果。共享基本上相似的基因圖譜的患者被認為可能對癌症治療，特別是靶向基因特異性標記(例如對突變具有特異性的腫瘤抗原等)的癌症治療有相似響應。因此，將患者的遺傳概貌與其他患者的數據匹配使得能夠選擇或匹配在其他類似患者(共享遺傳概貌)中提供最多陽性結果的任何癌症治療(例如，癌症疫苗等)，從而向患者提供在治療腫瘤方面具有較高的成功可能性的癌症治療。

本發明人進一步認為，在患者的腫瘤細胞表達多於一種癌症驅動基因突變的情況下，將遺傳概貌和治療結果進行匹配將為患者提供具有更高成功可能性的治療選擇。例如，當患者A和B的腫瘤細胞在癌症驅動基因C中具有常見的突變並在癌症驅動基因D中具有另一種常見的突變時，如果該患者的HLA等位基因型是不同的，那麼在藉由靶向那些癌症驅動基因中的一個來治療腫瘤的過程中，患者A和B可能表現出不同的有效性。相反，可以將患者A和B的突變與具有相同HLA-等位基因型的其他複數個患者的突變和治療結果相匹配，並進一步將它們作為治療候選物進行排位。例如，在與患者A具有相同HLA-等位基因的複數個患者(例如，至少30%、至少50%、至少70%等)中，靶向基因A的癌症治療顯示更好的結果(例如更長的預期壽命、更少的轉移、減小的腫瘤尺寸、更 少的症狀等)，那麼認為，作為癌症治療可設計針對的候選物，基因C比基因D的排名更高。

癌症疫苗

鑒定與由頻繁發現的HLA-等位基因編碼的MHC分子特異性結合的癌症驅動抗原後，可以使用癌症驅動腫瘤抗原的序列信息製備一種或多種免疫治療劑。儘管考慮了任何合適形式的免疫治療劑，但在一個較佳實施方案中，可以將所鑒定的癌症驅動抗原配製成癌症疫苗。癌症疫苗可以包括被生成為含有該編碼癌症驅動抗原的重組核酸的基因工程化細菌(細菌疫苗)、基因工程化酵母(酵母疫苗)和基因工程化病毒(病毒疫苗)。在這樣的實施方案中，可以將編碼該癌症驅動抗原的重組核酸作為基因盒置於合適的表達細菌載體、酵母載體或病毒載體中。

在一些實施方案中，編碼該癌症驅動抗原的重組核酸可以包括編碼一種或多種個性化新抗原的一個或複數個核酸區段，使得重組核酸可以編碼多表位抗原。例如，如圖3所示，多表位抗原可以包括源自癌症驅動基因突變的抗原(例如KRAS、EGFR)和多種個性化新抗原。本發明人認為，個性化新抗原可以是抗原肽，或肽片段可以是一種或多種炎症相關肽抗原、自身免疫性疾病(例如系統性紅斑狼瘡、乳糜瀉、1型糖尿病、格雷夫斯病、炎症性腸病、多發性硬化症、銀屑病、類風濕性關節炎等)相關肽抗原、與器官移植排斥有關的肽抗原、腫瘤相關肽抗原和癌症新表位。較佳地，抗原肽或肽片段是患者特異性的和/或組織特異性的。

就細菌疫苗而言，本發明人認為，細菌可以用作快速和方便的載體以在體內表達人類疾病相關抗原，從而局部地或全身地引起免疫反應。一種 較佳的細菌是大腸桿菌(E.coli)，因為其快速生長(例如，在20分鐘內完成一個完整的細胞週期)，並且有許多菌株可優化用於在誘導後(例如用IPTG誘導lac啟動子等)進行蛋白過表達。然而，認為大多數細菌菌株不適合引入血流或作為細菌移植入器官或組織中，因為細菌通常表達引發免疫應答並引起內毒素應答的脂多糖，這會在患者中導致潛在的致命性敗血症(例如，CD-14介導的敗血症)。因此，一種特佳的細菌菌株是基於具有如下特性的遺傳修飾細菌：其表達的內毒素水平足夠低，引入人體時不會在人體細胞中引起內毒素反應和/或不足以誘導CD-14介導的敗血症。

具有修飾的脂多糖的一個示例性細菌菌株包括ClearColi®BL21(DE3)電感受態細胞。該細菌菌株具有基因型F-ompThsdSB(rB-mB-)gal dcm lon λ(DE3[lacI lacUV5-T7 gene 1 ind1 sam7 nin5])msbA148△gutQ△kdsD△lpxL△lpxM△pagP△lpxP△eptA的BL21。在這種情況下，應該理解的是，幾種特定的缺失突變(△gutQ△kdsD△lpxL△lpxM△pagP△lpxP△eptA)編碼對脂質IV_A的LPS修飾，而另一種補償性突變(msbA148)使得細胞在LPS前體脂質IVA存在下維持活力。這些突變導致LPS的寡糖鏈缺失。更具體地說，六個醯基鏈中的兩個被刪除。LPS的六個醯基鏈是被與髓樣分化因子2(MD-2)形成複合體的Toll樣受體4(TLR4)識別的觸發因子，引起NF-κB的活化和促炎細胞因子的產生。僅含有四條醯基鏈的脂質IVA不被TLR4識別，因此不引起內毒素反應。儘管提供了電感受態BL21細菌作為實例，但本發明人認為，遺傳修飾的細菌也可以是化學感受態細菌。

關於酵母疫苗，本發明涵蓋可用於產生如上所述的腫瘤抗原多肽的任何酵母菌株。較佳地，該酵母是非致病性菌株如釀酒酵母，因為非致病性 酵母菌株使得對施用該酵母載體的個體的任何不利影響最小化。然而，如果可以使用藥物干預使酵母的致病性無效，也可以使用病原性酵母。例如，合適的酵母菌屬包括酵母屬(Saccharomyces)、假絲酵母屬(Candida)、隱球菌屬(Cryptococcus)、漢遜酵母屬(Hansenula)、克魯維酵母屬(Kluyveromyces)、畢赤酵母屬(Pichia)、紅酵母屬(Rhodotorula)、裂殖酵母屬(Schizosaccharomyces)和耶氏酵母屬(Yarrowia)。

就病毒疫苗而言，本發明涵蓋可以表達如上所述的腫瘤抗原多肽的任何合適的病毒載體。特佳的表達載體可包括可以攜帶至少大小為1k、較佳為2k、更佳為5k鹼基對的基因盒的那些表達載體。因此，在一個實施方案中，較佳的表達載體包括病毒載體(例如非複製型重組腺病毒基因組，任選具有缺失的或非功能性的E1和/或E2b基因)。

本發明人進一步認為，可以進一步將上述具有重組核酸的重組病毒、細菌或酵母在任何藥學上可接受的載體中配製以形成藥物組合物(例如較佳配製成無菌可注射組合物)。在藥物組合物包含重組病毒的情況下，組合物較佳為每個劑量單位10⁴-10¹²個病毒顆粒。然而，其他製劑也被認為適用於本文，並且本文涵蓋所有已知的施用途徑和施用模式。當藥物組合物包含重組細菌時，組合物的細菌滴度較佳為10²-10³、10³-10⁴、10⁴-10⁵個細菌細胞/劑量單位。在藥物組合物包含重組酵母的情況下，組合物的細菌滴度較佳為10²-10³、10³-10⁴、10⁴-10⁵個酵母細胞/劑量單位。在一些實施方案中，病毒、細菌或酵母製劑經全身注射施用，包括皮下注射或靜脈內注射。在其他實施方案中，在全身注射可能無效的情況下(例如，對於腦腫瘤等)，考慮通過腫瘤內注射來施用製劑。

或者，免疫療法不需要依賴於病毒，而是可以用核酸疫苗接種或所需細胞(特別是免疫活性細胞)中表達癌抗原的其他重組載體(例如，單肽、串聯微型基因等)來實現。

本發明人還認為，癌症疫苗可能包括遺傳修飾的免疫感受態細胞。免疫活性細胞包括但不限於NK細胞、修飾的NK細胞(例如，可從NantKwest、9920 Jefferson Blvd.Culver City、CA 90232商購的aNK細胞、haNK細胞或taNK細胞)、NKT細胞(例如CD1d限制的iNKT細胞等)、T細胞等以表達對腫瘤抗原具有特異性的嵌合抗原受體(CAR)。在一些實施方案中，該遺傳修飾的免疫活性細胞可以包括具有特異性結合腫瘤抗原的細胞外單鏈變體片段、細胞內激活結構域和跨膜接頭的嵌合蛋白，該跨膜接頭將細胞外單鏈變體片段偶聯至細胞內激活結構域。較佳地，細胞外單鏈變體片段包括由編碼短間隔肽片段(例如至少10個胺基酸、至少20個胺基酸、至少30個胺基酸等)的接頭序列分隔開的重鏈可變區(V_H)和輕鏈可變區(V_L)。

本發明涵蓋用於鑒定對腫瘤新表位、腫瘤相關抗原或自身脂質具有特異性的V_H和V_L的核酸序列的任何合適的方法。例如，可以從單株抗體序列數據庫中鑒定對腫瘤表位具有已知的特異性和結合親和力的V_H和V_L的核酸序列。或者，可通過對候選序列的計算機分析(例如，通過IgBLAST序列分析工具等)鑒定V_H和V_L的核酸序列。在一些實施方案中，V_H和V_L的核酸序列可以通過用任何合適的體外測定法(例如流式細胞術、SPR測定、動力學排除測定等)大量篩選對腫瘤新表位、腫瘤相關抗原或自身脂質具有不同親和力的肽來鑒定V_H和V_L的核酸序列。儘管其可根據腫瘤表位的特徵而變化，但較佳V_H和V_L的最佳核酸序列編碼對腫瘤表位具有親和力的細胞外單鏈變體片段，至少K_D為至少等於 或小於10^-6M，較佳至少等於或小於10^-7M，更佳至少等於或小於10^-8M。或者，也可以藉由噬菌體淘選或RNA展示來獲得針對腫瘤表位的合成結合劑。

在其他實施方案中，遺傳修飾的免疫活性細胞可以包括遺傳修飾的T細胞受體複合物，其具有α鏈T細胞受體、β鏈T細胞受體、至少一部分CD3δ和至少一部分CD3γ。較佳地，α鏈T細胞受體或β鏈T細胞受體的至少一部分對腫瘤抗原具有特異性。特佳的是，遺傳修飾的T細胞受體複合物的細胞外結構域對腫瘤抗原的親和力至少為：K_D至少等於或小於10^-6M，較佳至少等於或小於10^-7M，更佳至少等於或小於10^-8M。在這些實施方案中，較佳細胞內激活結構域包括一個或複數個ITAM激活基序(基於免疫受體酪氨酸的激活基序，YxxL/I-X_6-8-YXXL/I)，其在表達這些基序的細胞中觸發信號級聯。因此，在與腫瘤抗原結合後，遺傳修飾的T細胞受體複合物觸發下游信號級聯的激活，從而觸發免疫活性細胞的細胞毒性。

本發明人還認為，癌症疫苗可以包括腫瘤抗原或為肽形式的腫瘤抗原的一部分。任選地，腫瘤抗原肽可以與載體蛋白偶聯。如本文所使用的，載體蛋白可以是能夠穩定承載負荷的任何合適的多肽(一種或多種腫瘤抗原肽)，並且較佳當將載體蛋白施用於患者時提供進入腫瘤微環境的通路(例如，白蛋白通過gp60-介導的轉胞吞作用)。因此，較佳的載體蛋白包括白蛋白、重折疊的白蛋白和對抗體部分具有親和性的其他蛋白(例如蛋白A、蛋白G、蛋白Z)。

在一些實施方案中，腫瘤抗原與錨分子偶聯，腫瘤抗原可藉由錨分子與載體蛋白偶聯。例如，在載體蛋白是白蛋白的情況下，錨分子可以是任何合適大小的疏水性肽或糖脂以適合白蛋白的Sudlow位點I和II之一或白蛋白的任何其他疏水性區域。例如，錨分子可以包括疏水性肽(長度為至少10個胺基酸、 15個胺基酸、20個胺基酸、30個胺基酸等)。在這些實施方案中，可涵蓋腫瘤抗原和疏水肽的各種構型。例如，一種腫瘤抗原可以直接連接至疏水性肽，或者多種腫瘤抗原可以直接連接至疏水性肽。或者，一種腫瘤抗原可以直接與多種疏水性肽連接，或者多種腫瘤抗原可以直接與多種疏水性肽連接。

或者或另外，一種或多種腫瘤抗原可以與具有與載體蛋白結合的錨定部分的中間分子偶聯。在一個較佳的實施方案中，本發明人認為，中間分子為腫瘤抗原提供複數個結合位點，使得多種腫瘤抗原可以通過載體蛋白上的單一結合位點被攜帶。合適的中間分子可以包括對天然組織不具有任何顯著毒性的任何蛋白、糖脂、有機分子或無機分子。例如，合適的中間分子可以包括奈米粒子(例如，量子點、金奈米粒子、磁性奈米粒子、奈米管、聚合物奈米粒子、樹枝狀聚合物等)或珠粒(例如聚苯乙烯珠粒、乳膠珠粒、dynabead等等)。較佳地，奈米顆粒和/或珠粒的尺寸低於1μm，較佳低於100nm。奈米顆粒可交聯或部分塗覆有為載體蛋白(例如白蛋白)提供錨的疏水性尾部。一種或多種腫瘤抗原也可以與奈米顆粒交聯或部分塗覆在奈米顆粒上(例如通過與腫瘤抗原連接的用於交聯的另外的尾部結構域等)。

此外，還應認識到，一旦新表位被鑒定為癌症驅動新表位，則可以選擇靶向由攜帶癌症驅動新表位的癌症驅動基因編碼的蛋白的藥物。例如，在癌症驅動基因編碼受體的情況下，可以施用對受體具有特異性的受體拮抗劑或針對受體(或其配體)的抑制劑或抗體。類似地，在癌症驅動基因編碼激酶的情況下，可以將激酶抑制劑施用於患者。因此，應該認識到，鑒定癌症驅動新表位可以提供組合治療選擇，該組合治療選擇可使用免疫系統靶向突變蛋白和突變蛋白的功能。

在一些實施方案中，發明人考慮癌症疫苗可與一種或多種共刺激分子、免疫刺激性細胞因子和/或干擾或下調檢查點抑制的蛋白共同施用。合適的共刺激分子包括但不限於CD80、CD86、CD30、CD40、CD30L、CD40L、ICOS-L、B7-H3、B7-H4、CD70、OX40L、4-1BBL，而其他作用機制不太確定(或不太明白)的刺激分子包括GITR-L、TIM-3、TIM-4、CD48、CD58、TL1A、ICAM-1、LFA3和SLAM家族的成員。另外，本發明涵蓋促進免疫應答的任何合適類型的細胞因子。特佳的細胞因子和細胞因子類似物包括IL-2、IL-15和IL-α5超級激動劑(ALT-803)、IL-21、IPS1和LMP1。

就干擾或下調檢驗點抑制的蛋白而言，本發明涵蓋與檢驗點受體結合的任何合適的肽配體。最典型地，結合將抑制或至少減少經由受體的信號傳導，特別而言，涵蓋的受體包括CTLA-4(特別是CD8⁺細胞)、PD-1(尤其是CD4⁺細胞)、TIM1受體、2B4和CD160。例如，合適的肽結合劑可以包括抗體片段，特別是scFv，但也包括特異性結合受體的小分子肽配體(例如通過RNA展示或噬菌體淘選分離)。再次，應該理解，較佳調整肽分子的表達使得新表位或多表位與一個或複數個肽配體同時表達。因此，通常考慮，肽配體由單一轉錄物(其可以包括或不包括編碼多表位的序列部分)例如使用內部核糖體進入位點或2A序列產生或從複數個轉錄物產生。

任選地和另外地，本發明人進一步考慮在施用癌症疫苗後可以監測和記錄患者的治療結果。監測可以包括評估各種免疫活性細胞的質量和/或數量，該各種免疫活性細胞可引起針對表達腫瘤抗原的細胞的免疫應答。因此，在一個實施方案中，監測包括在用癌症疫苗治療患者後，例如疫苗治療後至少1天、至少3天、至少5天、至少7天、至少14天、至少28天，分離患者的各種免疫 活性細胞(例如CD8⁺T細胞、CD4⁺T細胞、CD3⁺T細胞、NK細胞、NKT細胞等)。在這個實施方案中，表達與腫瘤抗原特異性結合的T細胞受體或NK細胞受體的免疫活性細胞可以被定性地(例如藉由T細胞受體或NK細胞受體的肽測序等)和定量地評估(例如，藉由結合測定計數對腫瘤抗原具有特異性的免疫活性細胞的比例或數量等)。

本文記載的數值範圍僅僅旨在作為單獨提及落在該範圍內的每個單獨數值的速記方法。除非在本文中另外指出，否則每個單獨的值都包括在說明書中，就好像其在本文中被單獨列舉出來一樣。本文描述的所有方法可以以任何合適的順序執行，除非本文另有指示或者與上下文明顯矛盾。針對本文中的某些實施方案所提供的任何和所有實例或示例性語言(例如“例如”)的使用僅旨在更好地說明本發明，而不是對本發明所要求保護的範圍進行限制。說明書中的任何語言都不應該被解釋為表示對本發明的實踐來說必不可少的任何非要求保護的要素。

對於所屬技術領域中具有通常知識者來說顯而易見的是，在不脫離本文的發明構思的情況下，除了已經描述的那些以外，還可以進行更多的修改。因此，除了在所附發明申請專利範圍的範圍以外，本發明的標的不受限制。而且，在解釋說明書和權利要求時，所有的術語應該以與上下文一致的最寬泛的方式來解釋。特別地，術語“包括”和“包含”應該被解釋為以非排他性的方式引用要素、組分或步驟，表示所引用的要素、組分或步驟可以存在、使用或與未明確引用的其他要素、組件或步驟組合。在說明書和發明申請專利範圍涉及至少一種選自A、B、C...和N中的要素的情況下，該表述應該被解釋為可以只需要從該組中選擇一個要素，而不是A+N或B+N等。

Claims (35)

1. 一種產生靶向腫瘤抗原的癌症疫苗的方法，其包括：從腫瘤組織獲得患者組學數據，並使用該組學數據鑒定癌症驅動基因中至少一個突變的存在；確定患者的HLA等位基因型；將患者的等位基因型和源自該癌症驅動基因中的該突變的腫瘤抗原與對相同腫瘤抗原具有最小親和力的多數等位基因型進行匹配；以及匹配之後，使用匹配的腫瘤抗原的序列信息製備該癌症疫苗。
2. 如申請專利範圍第1項所述之方法，其中該組學數據包括選自全基因組測序數據、全外顯子組測序數據、RNAseq數據和定量蛋白質組學數據中的至少一種組學數據。
3. 如申請專利範圍第1項或第2項所述之方法，其還包括藉由至少一種先驗的已知分子變異過濾該至少一個突變的步驟，該先驗的已知分子變異選自單核苷酸多態性、短缺失和插入多態性、微衛星標記、短串聯重複序列、雜合序列、多核苷酸多態性和命名變體。
4. 如申請專利範圍第1項至第3項中任一項所述之方法，其中該癌症驅動基因在選自ALL、AML、BLCA、BRCA、CLL、CM、COREAD、ESCA、GBM、HC、HNSC、LUAD、LUSC、MB、NB、NSCLC、OV、PRAD、RCCC、SCLC、STAD、THCA和UCEC的癌症中。
5. 如申請專利範圍第1項至第4項中任一項所述之方法，其中該癌 症驅動基因是表1中列出的基因之一。
6. 如申請專利範圍第1項至第5項中任一項所述之方法，其中該多數等位基因型是不同種族、不同地理位置、不同性別或家系中的代表性等位基因型。
7. 如申請專利範圍第6項所述之方法，其中該多數等位基因型在至少一個種族中具有至少0.1%的群體頻率。
8. 如申請專利範圍第6項或第7項所述之方法，其中該多數等位基因型在至少一個種族中具有高水平的群體頻率。
9. 如申請專利範圍第1項至第8項中任一項所述之方法，其中該最小親和力是藉由比較複數個HLA等位基因對腫瘤抗原的親和力來確定的。
10. 如申請專利範圍第1項至第9項中任一項所述之方法，其中該最小親和力由小於或等於100nM的K_d確定。
11. 如申請專利範圍第1項至第10項中任一項所述之方法，其中該癌症疫苗是重組病毒疫苗、重組細菌疫苗、重組酵母疫苗、編碼腫瘤抗原的核酸、與載體分子偶聯的腫瘤抗原和遺傳修飾的免疫細胞組合物中的一種。
12. 如申請專利範圍第11項所述之方法，其中該遺傳修飾的免疫細胞組合物包含遺傳修飾的T細胞、遺傳修飾的NK細胞和遺傳修飾的NKT細胞中的至少一種，該遺傳修飾的T細胞、遺傳修飾的NK細胞和遺傳修飾的NKT細胞中表達對該腫瘤抗原具有特異性的嵌合抗原性受體。
13. 如申請專利範圍第11項或第12項所述之方法，其中該重組病毒疫苗、該重組細菌疫苗和該重組酵母疫苗包含編碼腫瘤抗原的重組核 酸。
14. 如申請專利範圍第1項至第13項中任一項所述之方法，其還包括基於對腫瘤抗原的結合親和力將該患者的該HLA等位基因型在複數個HLA等位基因型中進行排位。
15. 如申請專利範圍第1項至第14項中任一項所述之方法，其中該腫瘤抗原具有7-20個胺基酸的長度。
16. 如申請專利範圍第1項至第15項中任一項所述之方法，其還包括共同施用共刺激分子、免疫刺激性細胞因子和干擾或下調檢查點抑制的蛋白中的至少一種。
17. 如申請專利範圍第16項所述之方法，其中該共刺激分子選自CD80、CD86、CD30、CD40、CD30L、CD40L、ICOS-L、B7-H3、B7-H4、CD70、OX40L、4-1BBL、GITR-L、TIM-3、TIM-4、CD48、CD58、TL1A、ICAM-1和LFA3。
18. 如申請專利範圍第16項或第17項所述之方法，其中該免疫刺激性細胞因子選自IL-2、IL-12、IL-15、IL-15超級激動劑(ALT803)、IL-21、IPS1和LMP1。
19. 如申請專利範圍第16項至第18項中任一項所述之方法，其中進行干擾的蛋白為CTLA-4、PD-1、TIM1受體、2B4或CD160的抗體或拮抗劑。
20. 一種產生靶向腫瘤抗原的癌症疫苗的方法，其包括：從腫瘤組織獲得患者組學數據，並使用該組學數據鑒定癌症驅動基因中至少一個突變的存在；確定患者的HLA等位基因型； 將患者的等位基因型和源於該癌症驅動基因中的該突變的腫瘤抗原與已被診斷患有至少一種癌症並用至少一種癌症療法進行治療的複數個患者的HLA等位基因型和突變序列進行匹配；以及匹配之後，使用匹配的腫瘤抗原的序列信息製備該癌症疫苗。
21. 如申請專利範圍第20項所述之方法，其中該組學數據包括選自全基因組測序數據、全外顯子組測序數據、RNAseq數據和定量蛋白質組學數據中的至少一種組學數據。
22. 如申請專利範圍第20項或第21項所述之方法，該方法還包括藉由至少一種先驗的已知分子變異過濾該至少一個突變的步驟，該先驗的已知分子變異選自單核苷酸多態性、短缺失和插入多態性、微衛星標記、短串聯重複序列、雜合序列、多核苷酸多態性和命名變體。
23. 如申請專利範圍第20項至第22項中任一項所述之方法，其中該癌症驅動基因在選自ALL、AML、BLCA、BRCA、CLL、CM、COREAD、ESCA、GBM、HC、HNSC、LUAD、LUSC、MB、NB、NSCLC、OV、PRAD、RCCC、SCLC、STAD、THCA和UCEC的癌症中。
24. 如申請專利範圍第20項至第23項中任一項所述之方法，其中該癌症驅動基因是表1中列出的基因之一。
25. 如申請專利範圍第20項至第24項中任一項所述之方法，其中該進行匹配還包括基於該HLA等位基因型和該至少一種癌症療法的治療結果對該腫瘤抗原進行排位。
26. 如申請專利範圍第20項至第25項中任一項所述之方法，其中該腫瘤抗原具有7-20個胺基酸的長度。
27. 如申請專利範圍第20項至第26項中任一項所述之方法，其中該癌症治療是靶向該腫瘤抗原的癌症疫苗。
28. 如申請專利範圍第27項所述之方法，其中該癌症疫苗是重組病毒疫苗、重組細菌疫苗、重組酵母疫苗、編碼腫瘤抗原的核酸、與載體分子偶聯的腫瘤抗原和遺傳修飾的免疫細胞組合物中的一種。
29. 如申請專利範圍第28項所述之方法，其中該遺傳修飾的免疫細胞組合物包含遺傳修飾的T細胞、遺傳修飾的NK細胞、遺傳修飾的NK細胞衍生物、遺傳修飾的NKT細胞中的至少一種，該遺傳修飾的T細胞、遺傳修飾的NK細胞、遺傳修飾的NK細胞衍生物、遺傳修飾的NKT細胞表達對腫瘤抗原具有特異性的嵌合抗原受體。
30. 如申請專利範圍第28項或第29項所述之方法，其中該重組病毒疫苗、該重組細菌疫苗和該重組酵母疫苗包含編碼該腫瘤抗原的重組核酸。
31. 如申請專利範圍第20項至第30項中任一項所述之方法，其還包括共同施用共刺激分子、免疫刺激性細胞因子和干擾或下調檢查點抑制的蛋白中的至少一種。
32. 如申請專利範圍第31項所述之方法，其中該共刺激分子選自CD80、CD86、CD30、CD40、CD30L、CD40L、ICOS-L、B7-H3、B7-H4、CD70、OX40L、4-1BBL、GITR-L、TIM-3、TIM-4、CD48、CD58、TL1A、ICAM-1和LFA3。
33. 如申請專利範圍第31項或第32項所述之方法，其中該免疫刺激性細胞因子選自IL-2、IL-12、IL-15、IL-15超級激動劑(ALT803)、IL-21、IPS1和LMP1。
34. 如申請專利範圍第31項至第33項中任一項所述之方法，其中進行干擾的該蛋白是CTLA-4、PD-1、TIM1受體、2B4或CD160的抗體或拮抗劑。
35. 如申請專利範圍第20項至第34項中任一項所述之方法，其中該複數個患者以性別、種族和地理位置中的至少一個來分類。