《Frontiers in Immunology》：Evaluation of dnDSA risk stratification using the updated PIRCHE-T2 model in two kidney transplant cohorts
编辑推荐：
本研究旨在应对肾移植后新发供体特异性抗体(dnDSA)形成这一导致抗体介导排斥反应和移植物丢失的关键风险。为此，研究人员评估了升级版PIRCHE-T2模型（整合新型神经网络肽结合预测器“Frost”）在两个独立肾移植队列（苏黎世，n=1194；巴塞尔，n=387）中的预测性能。结果表明，新版模型生成了更紧凑的评分，并改进了dnDSA风险分层，尤其是在HLA-C和HLA-DQ等位点。这为肾移植中更精确的供体选择和个体化免疫评估提供了新工具。
在肾移植领域，一个长期困扰医生和患者的难题是，即使供体与受体的主要组织相容性抗原（HLA）看起来匹配，部分患者术后仍会产生针对供体HLA的新抗体，即新发供体特异性抗体（dnDSA）。dnDSA是导致抗体介导的排斥反应和移植物功能丧失的关键风险因素。传统上，我们评估HLA不匹配的数量，但并非所有不匹配的“免疫权重”都相同。如何更精准地预测哪些患者更容易产生dnDSA，从而实现更优的供体选择和个体化治疗，是当前临床实践中的一大挑战。
为解决这一问题，研究人员开发了预测间接可识别HLA表位（PIRCHE-T2）模型。这个模型不再简单计数不匹配的HLA，而是从肽段层面估算免疫原性。它预测供体来源的HLA肽段能否被受体自身的HLA II类分子（主要是HLA-DRB1）呈递，从而激活T细胞，间接驱动抗体产生。近期，这个模型进行了一次重要升级，整合了一个基于神经网络的新型肽结合预测器“Frost”，旨在更精确地模拟高度多态性的HLA-DRB1结合沟槽。但升级后的模型临床表现如何，是否能更好地预测dnDSA风险，还需要在真实世界的患者数据中进行验证。
为此，来自苏黎世大学医院和巴塞尔大学医院的研究团队，在《Frontiers in Immunology》上发表了一项研究，对升级前后的PIRCHE-T2模型进行了头对头比较。他们利用了两个大型、特征明确的肾移植受者队列：苏黎世队列（1194人）和巴塞尔队列（387人）。通过分析模型生成的总分及针对HLA-A、B、C、DRB1、DQB1等位点的特异性评分，评估它们与dnDSA发生率的关系，以判断新模型在风险分层上的表现是否更优。
为了开展这项研究，作者们主要运用了以下几项关键技术方法：研究基于苏黎世大学医院和巴塞尔大学医院的两个独立肾移植患者队列。通过PCR-SSO、PCR-SSP或NGS等方法对供受者进行HLA分型。术后使用Luminex单抗原微珠法定期监测抗HLA抗体，并通过虚拟交叉配型算法结合专家盲法审核来确认dnDSA。核心分析工具是计算原始版（版本3，使用NetMHCIIpan 3.2工具）和升级版（版本4，整合“Frost”预测器）的PIRCHE-T2评分。数据分析则采用了接收者操作特征曲线评估模型区分能力，Kaplan-Meier分析和log-rank检验比较不同风险组的dnDSA累积发生率，以及Cox比例风险回归模型进行多变量时间-事件分析。
研究结果
Distribution of dnDSA and PIRCHE-T2 model comparison
研究首先概述了两个队列的基本情况。苏黎世队列的dnDSA发生率（19%）高于巴塞尔队列（9%），这主要因为苏黎世队列的dnDSA定义包含了“明确”和“可能”两类。大多数dnDSA靶向HLA II类分子，特别是DQ和DRB1。与旧模型相比，升级版PIRCHE-T2模型生成了更低、更集中的总评分，所有HLA位点的评分均显著降低，其中DRB1和DQ的降低最为明显。
Comparison of PIRCHE-T2 models in relation to dnDSA development
关键发现是，在所有队列中，dnDSA阳性患者的PIRCHE-T2评分均显著高于阴性患者，且升级版模型在巴塞尔队列中显示出更好的区分度。在HLA类别层面，II类评分在dnDSA阳性患者中显著升高。模型预测性能的量化评估显示，升级版模型在多个位点表现出改善或相当的区分能力。尤其在HLA-C上，升级版模型的预测能力提升最为显著（例如巴塞尔队列：新模型AUC 0.63 vs. 旧模型 0.53）。HLA-A在巴塞尔队列也有明显改善。HLA-DRB1的表现存在队列特异性差异，在巴塞尔表现优异，在苏黎世则与旧模型相当。
Kaplan–Meier analysis of dnDSA development stratified by PIRCHE-T2 model and HLA locus mismatches
随时间分析dnDSA风险，升级版模型展现了更强的风险分层能力。当根据总分三分位分组时，升级版模型在所有队列中均能清晰区分高风险组，在巴塞尔队列的改善尤为明显（新模型p<0.001，旧模型p=0.098）。在针对特定HLA位点的分析中，升级版模型显著改善了HLA-C相关dnDSA的风险预测，在苏黎世和联合队列中达到了统计学意义。对于仅有一个HLA-DQ不匹配的患者亚组，升级版模型在所有队列中都提供了更清晰的风险曲线分离。这些结果表明，新模型在纵向风险预测，特别是对HLA-C和HLA-DQ不匹配的风险分层上具有优势。
Cox regression-based stratification of dnDSA-free survival by PIRCHE-T2 model
Cox回归分析进一步量化了升级版模型的优势。升级版总分模型在所有三个队列中都提供了更清晰一致的风险分层。针对dnDSA最常见靶点HLA-DQ，升级版DQ评分在所有队列中改善了风险分层，在巴塞尔队列中从旧模型的不显著变为显著。量化指标支持了模型性能的提升：升级版模型在所有队列中均表现出更高的风险比和一致性指数，表明其具有更强的预测能力和模型判别力。
研究结论与讨论
本研究对整合了“Frost”预测器的升级版PIRCHE-T2模型进行了全面评估。研究结果证实，更高的PIRCHE-T2评分与dnDSA形成风险增加显著相关。升级版模型虽然产生了更低的评分，但并未削弱其预测价值，反而在多个分析中表现出改善或相当的性能。这可能是由于“Frost”模型通过排除假阳性T细胞表位，提高了预测的特异性。其中，HLA-C和HLA-A的预测性能改善最为显著。
纵向风险分析（Kaplan-Meier和Cox模型）进一步支持升级版模型在dnDSA风险分层上的增强能力，尤其是在单HLA-DQ不匹配的患者中。这对于临床具有重要意义，因为这类患者可能无法被传统的不匹配计数所识别，但仍具有显著的免疫风险。
研究也指出了几个局限性。两个队列对dnDSA的定义不完全一致，可能引入偏倚，尽管敏感性分析支持了主要结论的稳健性。此外，由于缺乏关键的临床协变量（如免疫抑制方案），未能进行多变量调整。PIRCHE-T2模型本身也存在概念上的限制，它仅基于T细胞表位预测，未考虑B细胞表位特异性或关联识别，并且以聚合方式处理预测的肽段，未对其个体免疫原性进行加权，且主要关注HLA-DRB1介导的肽段呈递。
总之，这项研究表明，升级版PIRCHE-T2模型在肾移植免疫风险分层方面显示出改进的潜力，特别是在预测HLA-C相关的免疫应答方面。这些发现支持其应用于移植前的供体选择、风险适应的免疫抑制治疗和个体化移植策略。尽管患者队列曾用于先前研究，但本研究是升级版模型的首次应用评估。未来需要在完全独立或前瞻性收集的队列中进行验证，并整合排斥反应和移植物丢失等临床终点，以确认其普适性并确定具有临床指导意义的阈值。
