排序方式： 共有12条查询结果，搜索用时 0 毫秒
11.
肿瘤新抗原是免疫治疗的重要靶点,但基因组数据产生的候选新抗原数量庞大,预测假阳性肽段过多,实验验证费时费力,影响肿瘤新抗原的临床应用.本研究以乳腺癌为例,使用比转录组水平筛选更严格、比细胞学实验更省时的蛋白质基因组学方法来预测和筛选新抗原.研究发现,C2 (IFN-γdominant)免疫表型的新抗原数量最多. C2免疫表型显示出最高的M1/M2巨噬细胞极化,较强的CD8信号和最大的T细胞受体多样性,这可能导致产生更多具有良好免疫原性的新抗原.另外,我们还观察到乳腺癌肿瘤突变负荷与新抗原数目之间呈正相关.通过同批样本的质谱数据进一步筛选发现,可将两万级别的预测新抗原肽候选降至几十条表达肽段,进而可分析其对应的特异或广谱突变基因.最后,我们进一步分析了新抗原的免疫原性,即被T细胞受体识别的可能性.本文利用蛋白质组学数据对基因组数据计算预测得到的候选新抗原进一步筛选,提高了新抗原预测准确性,大大缩小后续实验验证范围.该流程可为肿瘤新抗原预测与筛选研究提供参考. 相似文献
12.
随着高通量DNA测序技术的飞速发展,越来越多的物种完成了基因组测序．定位编码基因、确定编码基因结构是基因组注释的基本任务,然而以往的基因组注释方法主要依赖于DNA及RNA序列信息．为了更加精确地解读完成测序的基因组,我们需要整合多种类型的组学数据进行基因组注释．近年来,基于串联质谱技术的蛋白质组学已经发展成熟,实现了对蛋白质组的高覆盖,使得利用串联质谱数据进行基因组注释成为可能．串联质谱数据一方面可以对已注释的基因进行表达验证,另一方面还可以校正原注释基因,进而发现新基因,实现对基因组序列的重新注释．这正是当前进展较快的蛋白质基因组学的研究内容．利用该方法系统地注释已完成测序的基因组已成为解读基因组的一个重要补充．本文综述了蛋白质基因组学的主要研究内容和研究方法,并展望了该研究方向未来的发展． 相似文献