Unraveling tumor specific neoantigen immunogenicity prediction: a comprehensive analysis

Autores
Nibeyro, Guadalupe; Baronetto, Verónica Mabel; Folco, Juan I.; Pastore, Pablo Germán; Girotti, Maria Romina; Prato, Laura; Morón, Gabriel; Lujan, Hugo Daniel; Fernandez, Elmer Andres
Año de publicación
2023
Idioma
inglés
Tipo de recurso
artículo
Estado
versión publicada
Descripción
Introduction: Identification of tumor specific neoantigen (TSN) immunogenicity is crucial to develop peptide/mRNA based anti-tumoral vaccines and/or adoptive T-cell immunotherapies; thus, accurate in-silico classification/prioritization proves critical for cost-effective clinical applications. Several methods were proposed as TSNs immunogenicity predictors; however, comprehensive performance comparison is still lacking due to the absence of well documented and adequate TSN databases. Methods: Here, by developing a new curated database having 199 TSNs with experimentally-validated MHC-I presentation and positive/negative immune response (ITSNdb), sixteen metrics were evaluated as immunogenicity predictors. In addition, by using a dataset emulating patient derived TSNs and immunotherapy cohorts containing predicted TSNs for tumor neoantigen burden (TNB) with outcome association, the metrics were evaluated as TSNs prioritizers and as immunotherapy response biomarkers. Results: Our results show high performance variability among methods, highlighting the need for substantial improvement. Deep learning predictors were top ranked on ITSNdb but show discrepancy on validation databases. In overall, current predicted TNB did not outperform existing biomarkers. Conclusion: Recommendations for their clinical application and the ITSNdb are presented to promote development and comparison of computational TSNs immunogenicity predictors.
Fil: Nibeyro, Guadalupe. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro de Investigación y Desarrollo en Inmunología y Enfermedades Infecciosas. Universidad Católica de Córdoba. Centro de Investigación y Desarrollo en Inmunología y Enfermedades Infecciosas; Argentina
Fil: Baronetto, Verónica Mabel. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro de Investigación y Desarrollo en Inmunología y Enfermedades Infecciosas. Universidad Católica de Córdoba. Centro de Investigación y Desarrollo en Inmunología y Enfermedades Infecciosas; Argentina
Fil: Folco, Juan I.. Universidad Católica de Córdoba; Argentina
Fil: Pastore, Pablo Germán. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Universidad Católica de Córdoba; Argentina
Fil: Girotti, Maria Romina. Universidad Argentina de la Empresa; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina
Fil: Prato, Laura. Universidad Nacional de Villa María; Argentina
Fil: Morón, Gabriel. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Córdoba. Centro de Investigaciones en Bioquímica Clínica e Inmunología; Argentina
Fil: Lujan, Hugo Daniel. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro de Investigación y Desarrollo en Inmunología y Enfermedades Infecciosas. Universidad Católica de Córdoba. Centro de Investigación y Desarrollo en Inmunología y Enfermedades Infecciosas; Argentina
Fil: Fernandez, Elmer Andres. Universidad Católica de Córdoba; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro de Investigación y Desarrollo en Inmunología y Enfermedades Infecciosas. Universidad Católica de Córdoba. Centro de Investigación y Desarrollo en Inmunología y Enfermedades Infecciosas; Argentina
Materia
CANCER IMMUNOLOGY
IMMUNOGENIC NEOANTIGEN DATABASE
IMMUNOINFORMATIC
IMMUNOTHERAPY
NEOPEPTIDE
Nivel de accesibilidad
acceso abierto
Condiciones de uso
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Repositorio
CONICET Digital (CONICET)
Institución
Consejo Nacional de Investigaciones Científicas y Técnicas
OAI Identificador
oai:ri.conicet.gov.ar:11336/230145
Acceder
id CONICETDig_ec2f3000c6a34c88a6b8c8f8d776f61a
oai_identifier_str oai:ri.conicet.gov.ar:11336/230145
network_acronym_str CONICETDig
repository_id_str 3498
network_name_str CONICET Digital (CONICET)
spelling Unraveling tumor specific neoantigen immunogenicity prediction: a comprehensive analysisNibeyro, GuadalupeBaronetto, Verónica MabelFolco, Juan I.Pastore, Pablo GermánGirotti, Maria RominaPrato, LauraMorón, GabrielLujan, Hugo DanielFernandez, Elmer AndresCANCER IMMUNOLOGYIMMUNOGENIC NEOANTIGEN DATABASEIMMUNOINFORMATICIMMUNOTHERAPYNEOPEPTIDEhttps://purl.org/becyt/ford/1.2https://purl.org/becyt/ford/1Introduction: Identification of tumor specific neoantigen (TSN) immunogenicity is crucial to develop peptide/mRNA based anti-tumoral vaccines and/or adoptive T-cell immunotherapies; thus, accurate in-silico classification/prioritization proves critical for cost-effective clinical applications. Several methods were proposed as TSNs immunogenicity predictors; however, comprehensive performance comparison is still lacking due to the absence of well documented and adequate TSN databases. Methods: Here, by developing a new curated database having 199 TSNs with experimentally-validated MHC-I presentation and positive/negative immune response (ITSNdb), sixteen metrics were evaluated as immunogenicity predictors. In addition, by using a dataset emulating patient derived TSNs and immunotherapy cohorts containing predicted TSNs for tumor neoantigen burden (TNB) with outcome association, the metrics were evaluated as TSNs prioritizers and as immunotherapy response biomarkers. Results: Our results show high performance variability among methods, highlighting the need for substantial improvement. Deep learning predictors were top ranked on ITSNdb but show discrepancy on validation databases. In overall, current predicted TNB did not outperform existing biomarkers. Conclusion: Recommendations for their clinical application and the ITSNdb are presented to promote development and comparison of computational TSNs immunogenicity predictors.Fil: Nibeyro, Guadalupe. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro de Investigación y Desarrollo en Inmunología y Enfermedades Infecciosas. Universidad Católica de Córdoba. Centro de Investigación y Desarrollo en Inmunología y Enfermedades Infecciosas; ArgentinaFil: Baronetto, Verónica Mabel. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro de Investigación y Desarrollo en Inmunología y Enfermedades Infecciosas. Universidad Católica de Córdoba. Centro de Investigación y Desarrollo en Inmunología y Enfermedades Infecciosas; ArgentinaFil: Folco, Juan I.. Universidad Católica de Córdoba; ArgentinaFil: Pastore, Pablo Germán. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Universidad Católica de Córdoba; ArgentinaFil: Girotti, Maria Romina. Universidad Argentina de la Empresa; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas; ArgentinaFil: Prato, Laura. Universidad Nacional de Villa María; ArgentinaFil: Morón, Gabriel. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Córdoba. Centro de Investigaciones en Bioquímica Clínica e Inmunología; ArgentinaFil: Lujan, Hugo Daniel. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro de Investigación y Desarrollo en Inmunología y Enfermedades Infecciosas. Universidad Católica de Córdoba. Centro de Investigación y Desarrollo en Inmunología y Enfermedades Infecciosas; ArgentinaFil: Fernandez, Elmer Andres. Universidad Católica de Córdoba; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro de Investigación y Desarrollo en Inmunología y Enfermedades Infecciosas. Universidad Católica de Córdoba. Centro de Investigación y Desarrollo en Inmunología y Enfermedades Infecciosas; ArgentinaFrontiers Media2023-07info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdfapplication/pdfhttp://hdl.handle.net/11336/230145Nibeyro, Guadalupe; Baronetto, Verónica Mabel; Folco, Juan I.; Pastore, Pablo Germán; Girotti, Maria Romina; et al.; Unraveling tumor specific neoantigen immunogenicity prediction: a comprehensive analysis; Frontiers Media; Frontiers in Immunology; 14; 7-2023; 1-111664-3224CONICET DigitalCONICETenginfo:eu-repo/semantics/altIdentifier/doi/10.3389/fimmu.2023.1094236info:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/2.5/ar/reponame:CONICET Digital (CONICET)instname:Consejo Nacional de Investigaciones Científicas y Técnicas2025-09-03T10:04:15Zoai:ri.conicet.gov.ar:11336/230145instacron:CONICETInstitucionalhttp://ri.conicet.gov.ar/Organismo científico-tecnológicoNo correspondehttp://ri.conicet.gov.ar/oai/requestdasensio@conicet.gov.ar; lcarlino@conicet.gov.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:34982025-09-03 10:04:15.426CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicasfalse
dc.title.none.fl_str_mv Unraveling tumor specific neoantigen immunogenicity prediction: a comprehensive analysis
title Unraveling tumor specific neoantigen immunogenicity prediction: a comprehensive analysis
spellingShingle Unraveling tumor specific neoantigen immunogenicity prediction: a comprehensive analysis
Nibeyro, Guadalupe
CANCER IMMUNOLOGY
IMMUNOGENIC NEOANTIGEN DATABASE
IMMUNOINFORMATIC
IMMUNOTHERAPY
NEOPEPTIDE
title_short Unraveling tumor specific neoantigen immunogenicity prediction: a comprehensive analysis
title_full Unraveling tumor specific neoantigen immunogenicity prediction: a comprehensive analysis
title_fullStr Unraveling tumor specific neoantigen immunogenicity prediction: a comprehensive analysis
title_full_unstemmed Unraveling tumor specific neoantigen immunogenicity prediction: a comprehensive analysis
title_sort Unraveling tumor specific neoantigen immunogenicity prediction: a comprehensive analysis
dc.creator.none.fl_str_mv Nibeyro, Guadalupe
Baronetto, Verónica Mabel
Folco, Juan I.
Pastore, Pablo Germán
Girotti, Maria Romina
Prato, Laura
Morón, Gabriel
Lujan, Hugo Daniel
Fernandez, Elmer Andres
author Nibeyro, Guadalupe
author_facet Nibeyro, Guadalupe
Baronetto, Verónica Mabel
Folco, Juan I.
Pastore, Pablo Germán
Girotti, Maria Romina
Prato, Laura
Morón, Gabriel
Lujan, Hugo Daniel
Fernandez, Elmer Andres
author_role author
author2 Baronetto, Verónica Mabel
Folco, Juan I.
Pastore, Pablo Germán
Girotti, Maria Romina
Prato, Laura
Morón, Gabriel
Lujan, Hugo Daniel
Fernandez, Elmer Andres
author2_role author
author
author
author
author
author
author
author
dc.subject.none.fl_str_mv CANCER IMMUNOLOGY
IMMUNOGENIC NEOANTIGEN DATABASE
IMMUNOINFORMATIC
IMMUNOTHERAPY
NEOPEPTIDE
topic CANCER IMMUNOLOGY
IMMUNOGENIC NEOANTIGEN DATABASE
IMMUNOINFORMATIC
IMMUNOTHERAPY
NEOPEPTIDE
purl_subject.fl_str_mv https://purl.org/becyt/ford/1.2
https://purl.org/becyt/ford/1
dc.description.none.fl_txt_mv Introduction: Identification of tumor specific neoantigen (TSN) immunogenicity is crucial to develop peptide/mRNA based anti-tumoral vaccines and/or adoptive T-cell immunotherapies; thus, accurate in-silico classification/prioritization proves critical for cost-effective clinical applications. Several methods were proposed as TSNs immunogenicity predictors; however, comprehensive performance comparison is still lacking due to the absence of well documented and adequate TSN databases. Methods: Here, by developing a new curated database having 199 TSNs with experimentally-validated MHC-I presentation and positive/negative immune response (ITSNdb), sixteen metrics were evaluated as immunogenicity predictors. In addition, by using a dataset emulating patient derived TSNs and immunotherapy cohorts containing predicted TSNs for tumor neoantigen burden (TNB) with outcome association, the metrics were evaluated as TSNs prioritizers and as immunotherapy response biomarkers. Results: Our results show high performance variability among methods, highlighting the need for substantial improvement. Deep learning predictors were top ranked on ITSNdb but show discrepancy on validation databases. In overall, current predicted TNB did not outperform existing biomarkers. Conclusion: Recommendations for their clinical application and the ITSNdb are presented to promote development and comparison of computational TSNs immunogenicity predictors.
Fil: Nibeyro, Guadalupe. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro de Investigación y Desarrollo en Inmunología y Enfermedades Infecciosas. Universidad Católica de Córdoba. Centro de Investigación y Desarrollo en Inmunología y Enfermedades Infecciosas; Argentina
Fil: Baronetto, Verónica Mabel. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro de Investigación y Desarrollo en Inmunología y Enfermedades Infecciosas. Universidad Católica de Córdoba. Centro de Investigación y Desarrollo en Inmunología y Enfermedades Infecciosas; Argentina
Fil: Folco, Juan I.. Universidad Católica de Córdoba; Argentina
Fil: Pastore, Pablo Germán. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Universidad Católica de Córdoba; Argentina
Fil: Girotti, Maria Romina. Universidad Argentina de la Empresa; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina
Fil: Prato, Laura. Universidad Nacional de Villa María; Argentina
Fil: Morón, Gabriel. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Córdoba. Centro de Investigaciones en Bioquímica Clínica e Inmunología; Argentina
Fil: Lujan, Hugo Daniel. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro de Investigación y Desarrollo en Inmunología y Enfermedades Infecciosas. Universidad Católica de Córdoba. Centro de Investigación y Desarrollo en Inmunología y Enfermedades Infecciosas; Argentina
Fil: Fernandez, Elmer Andres. Universidad Católica de Córdoba; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro de Investigación y Desarrollo en Inmunología y Enfermedades Infecciosas. Universidad Católica de Córdoba. Centro de Investigación y Desarrollo en Inmunología y Enfermedades Infecciosas; Argentina
description Introduction: Identification of tumor specific neoantigen (TSN) immunogenicity is crucial to develop peptide/mRNA based anti-tumoral vaccines and/or adoptive T-cell immunotherapies; thus, accurate in-silico classification/prioritization proves critical for cost-effective clinical applications. Several methods were proposed as TSNs immunogenicity predictors; however, comprehensive performance comparison is still lacking due to the absence of well documented and adequate TSN databases. Methods: Here, by developing a new curated database having 199 TSNs with experimentally-validated MHC-I presentation and positive/negative immune response (ITSNdb), sixteen metrics were evaluated as immunogenicity predictors. In addition, by using a dataset emulating patient derived TSNs and immunotherapy cohorts containing predicted TSNs for tumor neoantigen burden (TNB) with outcome association, the metrics were evaluated as TSNs prioritizers and as immunotherapy response biomarkers. Results: Our results show high performance variability among methods, highlighting the need for substantial improvement. Deep learning predictors were top ranked on ITSNdb but show discrepancy on validation databases. In overall, current predicted TNB did not outperform existing biomarkers. Conclusion: Recommendations for their clinical application and the ITSNdb are presented to promote development and comparison of computational TSNs immunogenicity predictors.
publishDate 2023
dc.date.none.fl_str_mv 2023-07
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_6501
info:ar-repo/semantics/articulo
format article
status_str publishedVersion
dc.identifier.none.fl_str_mv http://hdl.handle.net/11336/230145
Nibeyro, Guadalupe; Baronetto, Verónica Mabel; Folco, Juan I.; Pastore, Pablo Germán; Girotti, Maria Romina; et al.; Unraveling tumor specific neoantigen immunogenicity prediction: a comprehensive analysis; Frontiers Media; Frontiers in Immunology; 14; 7-2023; 1-11
1664-3224
CONICET Digital
CONICET
url http://hdl.handle.net/11336/230145
identifier_str_mv Nibeyro, Guadalupe; Baronetto, Verónica Mabel; Folco, Juan I.; Pastore, Pablo Germán; Girotti, Maria Romina; et al.; Unraveling tumor specific neoantigen immunogenicity prediction: a comprehensive analysis; Frontiers Media; Frontiers in Immunology; 14; 7-2023; 1-11
1664-3224
CONICET Digital
CONICET
dc.language.none.fl_str_mv eng
language eng
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/doi/10.3389/fimmu.2023.1094236
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
dc.format.none.fl_str_mv application/pdf
application/pdf
dc.publisher.none.fl_str_mv Frontiers Media
publisher.none.fl_str_mv Frontiers Media
dc.source.none.fl_str_mv reponame:CONICET Digital (CONICET)
instname:Consejo Nacional de Investigaciones Científicas y Técnicas
reponame_str CONICET Digital (CONICET)
collection CONICET Digital (CONICET)
instname_str Consejo Nacional de Investigaciones Científicas y Técnicas
repository.name.fl_str_mv CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicas
repository.mail.fl_str_mv dasensio@conicet.gov.ar; lcarlino@conicet.gov.ar
_version_ 1842269846567387136
score 12.885934

Publicaciones similares