Caracterização computacional de neoantígenos e sua implicação prognóstica / Computational characterization of neoantigens and their prognostic implications

Mutações somáticas não sinônimas podem iniciar a tumorigênese e, também, uma resposta citotóxica antitumoral. Com o desenvolvimento das tecnologias de sequenciamento, tornou-se possível identificar as mutações em todos os genes humanos e, consequentemente, as variantes que induzem uma resposta imune (neoantígenos), representando uma oportunidade para pacientes que possam se beneficiar de imunoterapias, mas também um desafio com a necessidade de várias camadas de informações e a integração computacional de vários tipos de dados. Neste trabalho, foi desenvolvido o pipeline de identificação de neoantígeno neo2P, o qual realiza a integração completa de todos os passos necessários para a detecção e neoantígenos e apresentou uma eficiência computacional superior de até seis vezes em comparação com outro método. Além disso, foi proposto um score para priorizaração das mutações somáticas a partir da distribuição dos níveis da expressão gênica de 9.679 pacientes de 32 projetos do TCGA, o qual apresentou um poder de discriminação (AUC) próximo ou superior a 0.7 na maioria das coortes avaliadas. O neo2P foi aplicado em um conjunto de dados de pacientes com melanoma e foram identificados aspectos adicionais da relação de neoantígenos e aspectos imunes, como a expressão de alguns genes marcadores que podem estar relacionados com a resposta ao tratamento. Adicionalmente, a carga de neoantígenos detectados pelo neo2P estratificou, de maneira significativa, pacientes respondedores (R) e não respondedores (NR) quando comparado com o marcador TMB

Somatic non-synonymous mutations can initiate tumorigenesis and, conversely, anti-tumor cytotoxic T cell (CTL) responses. With the development of next-generation sequencing, it has become feasible to detect mutation-derived neoantigens within exome and thereby predict potential neoantigens, which represents an opportunity to patients that may be treated with immunotherapies, but also a challenge due to multiple layers of information and a computational integration of several types of data. In this work, it was developed a neoantigen identification pipeline called neo2P, which integrates all the necessary steps involved for neoantigen detection and presented a six-times superior computational efficiency compared to another method. In addition, a score was proposed to prioritize somatic mutations based on the distribution of gene expression levels in 9,679 patients from 32 TCGA projects, which showed a stratification ability (AUC) close to or greater than 0.7 in most evaluated cohorts.neo2P was applied to a dataset of patients with melanoma and additional aspects of the relationship between neoantigens and immune aspects were identified, such as the expression of some marker genes that may be related to the treatment response. Additionally, the neoantigen load detected by neo2P significantly stratified responders (R) and non-responders (NR) patients when compared to the TMB marker

Genomics and epidemiology for gastric adenocarcinomas (GE4GAC): a Brazilian initiative to study gastric cancer

Gastric cancer (GC) is the fifth most common type of cancer worldwide with high incidences in Asia, Central, and South American countries. This patchy distribution means that GC studies are neglected by large research centers from developed countries. The need for further understanding of this complex disease, including the local importance of epidemiological factors and the rich ancestral admixture found in Brazil, stimulated the implementation of the GE4GAC project. GE4GAC aims to embrace epidemiological, clinical, molecular and microbiological data from Brazilian controls and patients with malignant and pre-malignant gastric disease. In this letter, we summarize the main goals of the project, including subject and sample accrual and current findings