通过转录组推断翻译效率可优化非典型新抗原的优先级排序及癌症患者的分类

《npj Precision Oncology》：Inferring translational efficiency from transcriptomes improves noncanonical neoantigen prioritization and cancer patient stratification

　　

摘要

准确评估蛋白质翻译对于理解疾病变异的功能至关重要，但mRNA与蛋白质之间的差异限制了基于转录组学的临床肿瘤学应用。虽然核糖体分析可以直接测量翻译情况，但其临床应用却受到成本和复杂性的制约。像Translatomer这样的深度学习模型能够从RNA-seq数据中推断翻译效率，但这类计算机模拟的翻译模型是否比传统的RNA-seq具有更强的临床应用价值仍需进一步研究。在此，我们提出了一个多维度框架，用于评估15个独立数据集中的翻译推断策略。通过该框架得到的翻译谱在再现核糖体占用情况方面优于传统的RNA-seq指标，同时还能通过预测长链非编码RNA的翻译潜力来揭示“暗蛋白组”。我们将这一策略整合到一种考虑翻译因素的新抗原识别流程中，从而识别出那些被基于表达量的过滤方法所忽略的高可信度非传统新抗原。将该框架应用于胶质瘤的分型，可发现不同的亚型，并通过生存分析验证，纠正了基于表达量方法对高风险患者的错误分类。我们的研究表明，翻译推断是一种具有成本效益的精准肿瘤学改进手段，它能够优化患者分型并拓展免疫治疗的目标。