新生抗原の特定、製造、及び使用

Inventor： , , ,
Applicant, Patent owner：
Agent (12)：清水初志 , 春名雅夫 , 山口裕孝 , 刑部俊 , 井上隆一 , 佐藤利光 , 新見浩一 , 小林智彦 , 小寺秀紀 , 大関雅人 , 五十嵐義弘 , 川本和弥
Gazette classification：公表公報
Application number (International application number)：2019556988
Publication number (International publication number)：2020519246
Application date： Apr. 19, 2018
Publication date： Jul. 02, 2020
Summary：

本明細書では、個人の腫瘍変異に基づいて決定される、アレル、新生抗原、及びワクチン組成物を決定するためのシステム及び方法を開示する。腫瘍から高品質のシークエンシングデータを得るためのシステム及び方法も開示する。さらに本明細書では、多型ゲノムデータ中の体細胞変化を特定するためのシステム及び方法について記載する。最後に本明細書では、ユニークながんワクチンについて記載する。

Claim (excerpt)：

対象の1つまたは複数の腫瘍細胞に由来する、前記腫瘍細胞の表面上に提示される可能性の高い1つ以上の新生抗原を特定することによって、個別化されたがんワクチンを構築するための出力を生成するための方法であって、前記対象の前記腫瘍細胞及び正常細胞からエクソーム、トランスクリプトーム、または全ゲノムのヌクレオチドシークエンシングデータのうちの少なくとも1つを取得する工程であって、前記ヌクレオチドシークエンシングデータを用いて、前記腫瘍細胞由来のヌクレオチドシークエンシングデータと前記正常細胞由来のヌクレオチドシークエンシングデータとの比較により特定された新生抗原のセットの各新生抗原のペプチド配列を表すデータが取得され、各新生抗原のペプチド配列が、前記ペプチド配列を前記対象の前記正常細胞から特定された対応する野生型ペプチド配列とは異なるものとする少なくとも1つの変化を含む、工程; 前記新生抗原のそれぞれの前記ペプチド配列を、対応する数値ベクトルにエンコードする工程であって、各数値ベクトルが、前記ペプチド配列を構成する複数のアミノ酸と、前記ペプチド配列における前記アミノ酸の位置のセットとに関する情報を含む、工程; コンピュータのプロセッサを使用して前記数値ベクトルをディープラーニング提示モデルに入力して、前記新生抗原のセットについての提示尤度のセットを生成する、工程であって、前記セット内の各提示尤度が、対応する新生抗原が1つ以上のクラスII MHCアレルによって前記対象の前記腫瘍細胞の前記表面上に提示される尤度を表し、前記ディープラーニング提示モデルが、少なくとも訓練データセットに基づいて特定される複数のパラメータ、ならびに、入力として受け取られた前記数値ベクトルと、前記数値ベクトル及び前記パラメータに基づいた出力として生成される前記提示尤度との間の関係を表す関数を含み、前記訓練データセットが、複数の試料のうちの少なくとも1つに存在すると特定された、少なくとも1つのクラスII MHCアレルに結合したペプチドの存在を測定する質量分析によって得られた、ラベル、数値ベクトルとしてエンコードされた訓練ペプチド配列であって、前記数値ベクトルが、前記ペプチド配列を構成する複数のアミノ酸と、前記ペプチド配列における前記アミノ酸の位置のセットとに関する情報を含む、訓練ペプチド配列、及び前記訓練ペプチド配列に関連付けられた、少なくとも1つのHLAアレルを含む、工程; 前記提示尤度のセットに基づいて前記新生抗原のセットのサブセットを選択して、選択された新生抗原のセットを生成する、工程;ならびに前記選択された新生抗原のセットに基づいて、前記個別化されたがんワクチンを構築するための前記出力を生成する工程を含む、前記方法。

IPC (8)：

C12Q 1/686 , C12Q 1/04 , A61P 35/00 , A61P 35/02 , A61K 39/00 , A61P 37/04 , A61K 35/17 , G16B 30/00

FI (8)：

C12Q1/6869 Z , C12Q1/04 , A61P35/00 , A61P35/02 , A61K39/00 H , A61P37/04 , A61K35/17 Z , G16B30/00

F-Term (23)：

4B063QA01 , 4B063QA07 , 4B063QA08 , 4B063QA19 , 4B063QQ08 , 4B063QQ42 , 4B063QQ52 , 4B065AA90X , 4B065AB01 , 4B065BA02 , 4B065CA44 , 4B065CA46 , 4C085AA03 , 4C085BB01 , 4C085EE01 , 4C087AA01 , 4C087AA02 , 4C087BB37 , 4C087CA04 , 4C087NA05 , 4C087ZB09 , 4C087ZB26 , 4C087ZB27

Patent cited by the Patent：

Cited by applicant (1)

T細胞エピトープの免疫原性の予測
Gazette classification：公表公報 Application number：特願2016-512248 Applicant：バイオエヌテックアーゲー, トロン-トランスラショナルオンコロジーアンデアウニヴェリジテーツメディツィンデアヨハネスグーテンベルク-ウニヴェルシテートマインツゲマインニューツィゲゲーエムベーハー, ウニヴェリジテーツメディツィンデアヨハネスグーテンベルク-ウニヴェルジテートマインツ

Cited by examiner (1)

T細胞エピトープの免疫原性の予測
Gazette classification：公表公報 Application number：特願2016-512248 Applicant：バイオエヌテックアーゲー, トロン-トランスラショナルオンコロジーアンデアウニヴェリジテーツメディツィンデアヨハネスグーテンベルク-ウニヴェルシテートマインツゲマインニューツィゲゲーエムベーハー, ウニヴェリジテーツメディツィンデアヨハネスグーテンベルク-ウニヴェルジテートマインツ

Article cited by the Patent：

Cited by applicant (3)

Accurate pan-specifc prediction of peptide-MHC class II binding affinity with improved binding core
Machine learning mdethods for predicting HLA-peptide binding activity
Quantitative predictions of peptide binding to any HLA-DR molecule of known sequence: NetMHCIIpan

Cited by examiner (6)

Accurate pan-specifc prediction of peptide-MHC class II binding affinity with improved binding core
Machine learning mdethods for predicting HLA-peptide binding activity
Accurate pan-specifc prediction of peptide-MHC class II binding affinity with improved binding core

Show all

Return to Previous Page