基于癌症大数据筛选特异表达膜蛋白作为潜在CAR-T靶标

Chimeric antigen receptor T cell (CAR-T) therapy, which is the hot topic in the field of cancer immunotherapy, has been regarded as an effective treatment in some case of cancers. Further exploring new CAR-T targets and their combinations have important meanings for applying CAR-T therapy on different cancers. Previously, I had developed a new method called SEGtool for detecting specifically expressed genes with high accuracy and sensitivity, and applied it on omics data of normal tissues and cancers. In this project, firstly, we will integrate transcriptome and proteomics profiles from normal tissues and cancers, to discover and identify cancer-specific membrane proteins (CSMPs). Secondly, we will screen out CSMPs and their combinations which could act as CAR-T targets by bioinformatics analysis and machine learning algorithms, such as logistic regression and genetic algorithms. Finally, we will select 2 ~ 3 CSMPs and their combinations from 1 ~ 2 cancer types, and construct their specific single-chain variable fragment (scFv) to verify their validity and specificity in cell experiments. Then we will further discuss their clinical significance on CAR-T therapy. This project combines data mining, bioinformatics and molecular experiments to explore some CSMPs as potential targets for CAR-T therapy. It could not only offer theoretical basis for extending the application scope of CAR-T therapy on multiple cancers, but also provide new ideas for the application of integrative analysis of omics data on immunotherapy research.

CAR-T免疫疗法是目前肿瘤免疫治疗中的热点，在部分癌症的临床试验中取得了很好疗效，进一步筛选针对不同癌症的新的或者构建多靶点的CAR-T靶标对于扩展和推广CAR-T治疗有重要意义。申请人前期已经开发了高效准确的特异表达基因检测方法并对癌症组学数据进行了分析。本项目中，将通过生物信息学方法整合分析现有大型组织基因表达谱、蛋白组及癌症表达谱数据，挖掘和发现癌症特异表达膜蛋白，并采用逻辑回归、遗传算法等方法从中筛选出潜在的CAR-T靶标及其组合，并遴选1~2种癌症中的2~3个靶标，构建特异的scFv组合进行细胞实验验证，验证该CAR-T靶标的有效性和特异性，探讨其临床应用价值。本项目结合数据挖掘、生物信息学和分子生物学手段，筛选可作为CAR-T免疫治疗的潜在靶标，为CAR-T免疫治疗在多种癌症中的拓展提供一定的理论依据，同时亦为生物信息学数据整合分析方法在免疫治疗研究中的应用提供新思路。

CAR-T免疫疗法是目前肿瘤免疫治疗中的热点，在部分癌症的临床试验中取得了很好疗效，进一步筛选针对不同癌症的新的或者构建多靶点的CAR-T靶标对于扩展和推广CAR-T治疗有重要意义。在本项目的资助下，课题组开展了卓有成效的研究工作，取得了预期的研究成果：1）通过生物信息学方法整合分析现有大型组织基因表达谱、蛋白组及癌症表达谱数据，挖掘了癌症特异表达膜蛋白，并对其在多种癌症诊断中的潜在作用进行了评估，并构建了癌症特异表达调控网络数据资源；2）建立了基于特异表达基因和表达谱数据鉴定细胞系的工具CCLA，并对现有的多种算法进行了综合评价；3）提出了一种基于特异表达基因和膜蛋白对白血病预后分层的模型，并获得了良好的性能；4）分析特异表达膜蛋白和免疫受体相关蛋白在PD-1免疫治疗中的潜在作用，并基于相关基因构建了模型预测PD-1的疗效；5）分析了经CD19-CAR-T的B-ALL患者的RNA-Seq数据，对组蛋白修饰、miRNA和lncRNA组成的调控模块在患者预后中的作用，并得出了一系列具有显著意义的结论；6）利用各类免疫细胞特异表达基因集开发了基于表达谱数据集预测24种免疫细胞丰度的工具ImmuCellAI，准确性显著优于现有工具。以上研究成果目前已发表高质量论文7篇，包括Briefings in Bioinformatics, Genomics Proteomics Bioinformatics和Advanced Science等，并协助培养3位博士研究生与1位硕士研究生。本项目的研究成果拓展了癌症特异表达基因的应用，挖掘了其临床应用价值，并探索了不同癌症的特异表达膜蛋白在癌症检测及其作为CAR-T靶标及免疫治疗标志物的潜能，而后基于特异表达基因建立了一系列不同应用场景的生物信息算法、工具和资源，为CAR-T免疫治疗在多种癌症中的拓展提供一定的理论依据，同时亦为生物信息学数据整合分析方法在免疫治疗研究中的应用提供新思路。