2.質譜數據de novo從頭測序技術,不依賴于已有數據庫,可以發現更多的非典型免疫肽;,百蓁生物技術(武漢)有限公司">
免疫肽組是指對有核細胞在參與抗原呈遞途徑中的 MHC I 類或 II 類蛋白質(Major Histocompatibility Complex,也叫主要組織相容性復合體,如人類 MHC 的表達產物 HLA,Human Leukocyte Antigen)上呈遞的全部多肽的研究,對于探究細胞介導和體液反應介導的免疫原性表位至關重要 [1]。
免疫肽組分析是對 MHC I 類和 MHC II 類免疫肽的定性和定量分析,不僅能夠發現個性化癌癥免疫療法的靶點(例如來自腫瘤特異性突變的新抗原或腫瘤相關抗原),還有助于開發新的mRNA / 多肽疫苗和免疫細胞療法[2]。近年來, 隨著質譜技術的革新和細胞免疫療法的進展也大力加速了免疫肽組學的發展。
圖 | HLA 抗原呈遞過程(引自 bioRender 網站制作)
DeepImmu 是以個性化DeepNovo算法為核心的獨有的腫瘤新抗原分析平臺,從蛋白質組學質譜技術出發,結合快速、精確的 DeepNovo 算法,使用高靈敏度質譜儀,加速免疫治療的研發進程。
作為多肽 / 蛋白從頭測序行業先驅者和金標準,DeepNovo算法是 BSI 研究團隊在 2017 年發表的世界首個應用深度學習對多肽序列從頭預測的算法 [3],并且在過去近 4 年的時間,該算法也從 DDA 的采集模式,到對 DIA 數據采集模式首創從頭測序 [4],再到加入離子淌度維度信息和擺脫對質譜儀的質量精度依賴的改進算法[5]。DeepImmuTM是以個性化DeepNovoTM算法為核心的獨有的腫瘤新抗原分析平臺,個性化深度學習技術提高了從頭測序的精度 [2]。
百蓁生物結合高效特異的免疫肽富集技術、先進的質譜儀器和 DeepImmuTM技術平臺為客戶提供一站式免疫肽組分析服務解決方案,可根據客戶的研究目的以及樣本特點,進行定制化實驗設計。DeepImmuTM技術平臺在降低了樣品量的同時能夠可重復地鑒定并定量出盡可能多的免疫肽。
1.基于質譜的肽段鑒定方法可以更直接、準確地鑒定到免疫肽
2.質譜數據de novo從頭測序技術,不依賴于已有數據庫,可以發現更多的非典型免疫肽
3.可以分析NGS技術無法獲得的免疫肽潛在翻譯后修飾信息
4.特有的AI算法,不依賴于個性化測序,提高了免疫肽組分析的效率。
5.領先的高分辨質譜儀
6.專業的技術人才
7.高效穩定的實驗平臺,完整的試驗記錄,確保試驗結果的準確以及可追蹤
8.嚴格的質控
樣本類型 |
細胞 |
組織 |
血液 |
樣本最低需求量 |
107 |
50mg |
全血:10ml 血漿:5ml 血清:5ml |
樣本制備要求 |
細胞樣品需保持90%以上的活細胞率,同時防止支原體污染。 |
新鮮制備是為最佳;液氮速凍保存。注:防止血液污染 |
新鮮制備是為最佳;液氮速凍保存。注:防止出現溶血現象 |
樣本運輸要求 |
使用足量干冰運輸,期間避免凍融,盡量選用順豐快遞,防止樣品降解。 |
||
交付標準 (報告內容) |
1.免疫肽定性結果以及對應的蛋白信息列表 2.免疫肽定量結果列表 3.試驗過程中QC結果 4.免疫肽長度分布展示圖 5.免疫肽聚類分析 6.免疫肽定量結果統計分析 7.免疫肽對應蛋白功能富集分析 8.客戶特殊分析需求結果 9.完整的實驗報告 |
2021 年來自洛桑大學的HuiSong Pak[6]等研究人員在 MCP 發表的題為“Sensitive Immunopeptidomics by Leveraging Available Large-Scale Multi-HLA Spectral Libraries, Data-Independent Acquisition,and MS/MS Prediction”一文中,使用不同的建庫策略進行免疫肽組的DIA 分析檢測,文中所使用的分析平臺為maxquant(用來建庫)結合Spectronaut(用于DIA 分析)軟件,為了說明 DeepImmu 平臺的優勢,我們使用 DeepImmu 平臺,使用兩種不同的分析策略 library based search 和database based search 對文獻中的數據進行了重新分析,結果表明不管是 library based search 和 database based search 的方法,均大幅提高了免疫肽的鑒定數目,并且文中鑒定到的免疫肽也絕大多數在我們鑒定到的結果中。同時database based search 鑒定的數目還多于 library based search 鑒定到的(見下圖),這也為我們做DIA分析減少了建庫的流程。這表明使用DeepImmu 平臺可以提高免疫肽鑒定數目,同時簡化試驗流程。
圖 | DeepImmu 重新分析 Pak et al 結果