胶质母细胞瘤（GBM）是成人中最常见的恶性颅内肿瘤，中位生存期仅为16–20个月。新抗原疗法在GBM治疗中显示出优势，因其可改善肿瘤内的免疫抑制性环境因素。然而，真正具有免疫原性的新抗原的鉴定仍是一个主要挑战。当前的计算预测工具主要关注抗原呈递，而整合T细胞免疫原性特征的算法仍然有限。此外，标准验证方法（如酶联免疫斑点（ELISpot）检测）缺乏生理相关性，无法完全重现肿瘤微环境。
2026年3月26日，首都医科大学张伟和北京航空航天大学张靖共同通讯在Cancer Research在线发表题为A Deep Learning-Driven Framework Integrating Organoid-Based Functional Validation Identifies Universal Neoantigens from Recurrent Glioma Mutations的研究论文。
该研究基于公开数据集，整合人类白细胞抗原结合与T细胞受体（TCR）识别特征，开发了一种新抗原预测算法——TCRscore。作者从异柠檬酸脱氢酶野生型肿瘤中建立了21例患者来源的胶质母细胞瘤类器官模型，以验证该算法的性能。
使用ELISpot检测、流式细胞术以及基于类器官-T细胞共培养体系的体外杀伤实验对预测的新抗原进行了评估。TCRscore在预测免疫原性新表位方面优于六种现有工具。类器官模型保留了亲本肿瘤的关键组织学和转录组学特征，为功能验证提供了有效平台。
共培养实验证实，新抗原特异性T细胞可在GBM类器官中诱导靶向杀伤。特别值得注意的是，分析发现复发性PIK3R1G376R突变在胶质母细胞瘤中贡献了一个潜在的保守新抗原。总体而言，通过将TCRscore与基于类器官的验证相结合，本研究提供了一个预测准确性显著增强的高保真、高质量的GBM新抗原数据库。
根据2021年世界卫生组织（WHO）中枢神经系统肿瘤分类标准，多形性胶质母细胞瘤（GBM）特指异柠檬酸脱氢酶（IDH）野生型胶质母细胞瘤，是最具侵袭性和致命性的脑癌类型之一，其特征是生长迅速、高度异质性以及对手术、放射治疗和化学治疗等常规疗法具有抵抗性。
尽管癌症治疗已取得显著进展，但胶质母细胞瘤患者的预后仍然很差，诊断后的中位生存期不足两年。这一严峻现实凸显了对新型治疗方法的迫切需求，这些方法需要有效应对胶质母细胞瘤带来的独特挑战，包括其浸润性生长模式、适应与进化能力以及高度免疫抑制的微环境。
新抗原是源于体细胞突变的肿瘤特异性肽段，为应用个性化癌症免疫疗法提供了前景广阔的机会。与传统抗原不同，新抗原对每位患者的肿瘤具有独特性，使其成为精准医学的理想靶点。通过利用免疫系统识别这些独特抗原的能力，基于新抗原的治疗能够引发针对胶质母细胞瘤细胞强大且特异的免疫应答，同时最大限度地减少对健康组织的损伤。
值得注意的是，Hilf等人和Keskin等人的两项里程碑式临床试验证明了个性化新抗原疫苗在胶质母细胞瘤患者中的可行性与治疗潜力，为基于新抗原的免疫疗法提供了关键的概念验证。基于新抗原的疗法提供了一种途径，能够特异性训练患者自身的免疫系统识别并攻击肿瘤细胞，而不影响正常细胞，从而可能提供一种更安全、更有效的治疗选择。
测序技术与计算生物学的近期进展促进了新抗原的鉴定与验证，使得针对胶质母细胞瘤患者的个性化免疫疗法更接近临床现实。然而，新抗原与抗原生物学中最基本且仍未解答的问题之一，在于缺乏对某些新抗原为何无法引发T细胞应答的理解。
近期，大量研究致力于确定哪些肽段被主要组织相容性复合体I类（MHC-I）分子呈递，从而推动了肽段-MHC-I结合亲和力高精度预测工具的发展。尽管能够精确预测生成的肽段-MHC复合物（pMHC），但区分表位与非表位的决定因素仍然是一个未解决的问题。建立pMHC与T细胞受体（TCR）序列之间关联的能力，对于追踪免疫系统与肿瘤之间复杂的交互作用以及优化各类免疫治疗策略的设计与实施至关重要。
患者来源的野生型 IDH 胶质母细胞瘤类器官模型的组织学和分子特征（图片源自Cancer Research）
为弥补这一知识缺口并提高现有pMHC结合预测的精度，近期的一些计算机算法已开始将T细胞相关特征纳入其模型，包括面向TCR的残基、肽段疏水性以及与已知TCR基序的结构兼容性。深度学习模型能够通过学习高级表征从噪声原始数据中提取特征，在辨别多个免疫学变量之间复杂、非线性的关系方面展现出巨大潜力。
然而，当前模型在分析人类白细胞抗原（HLA）、新抗原和TCR之间的交互作用时，在整合氨基酸描述符（涵盖拓扑、物理化学及三维结构特性的量化值）方面面临显著限制。更具体地说，它们未能充分利用Z描述符在量化内在氨基酸特性及预测肽段-蛋白质交互作用方面的优势。这些限制导致其在不同异质性肿瘤和患者特异性免疫库间的泛化能力不足，因此亟需开发用于新抗原预测的尖端生物信息学算法。
与计算发展并行，新抗原免疫原性的实验验证至关重要。体外模型，主要使用酶联免疫斑点（ELISpot）技术，通常用于评估候选新抗原引发免疫应答的能力。ELISpot检测通过测量免疫细胞在受到新抗原肽段刺激后释放的细胞因子（如干扰素-γ（IFN-γ））来反映其应答。
尽管有其效用，ELISpot模型存在局限性，例如无法完全复制复杂的肿瘤微环境，该环境包含多种影响免疫应答的免疫细胞和基质细胞。这可能影响预测患者体内免疫应答的准确性，凸显了对更先进临床前模型的需求。
为应对这一挑战，肿瘤类器官模型已成为一种有前景的工具。类器官源自患者肿瘤，保持了原始组织的结构和细胞多样性，包括免疫微环境。通过提供一个更贴近生理、保留了亲本肿瘤免疫背景的环境因素，胶质母细胞瘤类器官为更准确地评估新抗原免疫原性提供了一个平台。将肿瘤类器官模型与新抗原肽段筛选相结合，能够更精确地评估这些肽段如何与免疫系统发生交互作用，包括其在高度模拟患者肿瘤的环境中激活T细胞的能力。这些模型增进了作者对患者特异性背景下免疫原性的理解，并促进了针对胶质母细胞瘤的更有效的新抗原疗法的开发。
在本研究中，作者提出了一个集成框架，该框架结合了基于Z描述符的T细胞感知深度学习模型TCRscore与患者来源的胶质母细胞瘤类器官，用于新抗原的发现与验证。TCRscore基于公开可用的数据集开发，整合了MHC结合亲和力、基因表达等常规特征以及TCR识别潜能，旨在更好地捕捉候选肽段的真实免疫原性。
作者利用一个包含21名胶质母细胞瘤患者的独特队列及其来源的类器官对该模型进行了验证。使用TCRscore，作者为每位患者优先筛选了候选新抗原并进行了功能验证。先前研究表明，长度为9个氨基酸的肽段（9聚体）是HLA I类分子最常呈递的新抗原，作者在研究中也证实了这一点，因此作者主要关注9聚体肽段。作者的结果表明，TCRscore在预测准确性和实验验证率方面均优于几种广泛使用的新抗原预测工具。
通过将TCRscore与基于类器官的模型相结合，作者构建了一个高保真、高质量的胶质母细胞瘤新抗原数据库。此外，作者的分析还鉴定出PIK3R1G376R为胶质瘤中一种复发性保守的突变，该突变在多个数据集中显示出高流行率，且该突变衍生的新抗原被强烈预测可与常见HLA等位基因结合，这突显了其在群体靶向免疫疗法（如保守的新抗原疫苗或基于TCR的疗法）中的潜在价值。
总之，该研究通过整合计算建模与类器官验证，为胶质母细胞瘤的个性化新抗原发现建立了一个稳健且可推广的策略。该方法提高了新抗原选择的精确度，并为评估固体肿瘤的免疫治疗靶点提供了一个实用的临床前框架。
原文链接：https://doi.org/10.1158/0008-5472.CAN-25-2679