欢迎关注”生信修炼手册”!

NetMHCpan软件用于预测肽段与MHC I型分子的亲和性，最新版本为v4.0, 基于人工神经网络算法，以180000多个定量结合数据和MS衍生的MHC洗脱配体的组合为训练集构建模型。结合亲和力数据来自人，小鼠，猪等多个物种的MHC分子，MS洗脱的配体数据来自55个人和小鼠的HLA等位基因。该软件的网址如下

http://www.cbs.dtu.dk/services/NetMHCpan/

直接上传fasta格式的蛋白序列就可以了， 示意如下

第一步上传涵盖了体细胞突变位点的氨基酸序列，上传的氨基酸序列是突变之后的序列，不是野生型的蛋白质序列。

第二步选择切割肽段的方式，抗原通过抗原表位与MHC分子结合，MHC I型分子可以结合的抗原表位长度为8到11个氨基酸，对应这里的8-11mer，先将蛋白质序列切分成短的肽段之后在进行MHC分子亲和性的预测。

第三步选择HLA allel, 确定之后点击提交按钮即可。输出结果示意如下

列数很多，其中的 Peptide 就是从原始的输入序列中提取出的长度为8-11个氨基酸的肽段， Pos 对应肽段的在原始序列上的起始位置，第一个位置从0开始计数； Core 对应与MHC结合的肽段序列，和blast类似，允许插入和缺失， %Rank 代表该肽段是一个天然存在的肽段的可能性，数值越小越好，最后一列的 BindLevel 代表亲和力的强弱水平，SB表示strong binding, WB表示weak bingding。每一列的详细解释参见以下链接

http://www.cbs.dtu.dk/services/NetMHCpan/output.php

官方按照Rank值来筛选结果，默认情况下rank小于0.5的定义为强亲和性,rank值在0.5到2之间的定义为弱亲和性。通过该软件可以从突变之后的氨基酸序列中预测到与MHC I型分子亲和力较强的肽段，作为候选的肿瘤新抗原。

为了进一步简化分析，相关的数据分析pipeline被开发出来，只需要提供肿瘤患者的体细胞突变数据和HLA分型结果即可，软件自动提取突变氨基酸序列，并进行NetMHCpan分析，类似的软件有很多，NeoPredPipe软件就是其中之一，该软件的网址如下

https://github.com/MathOnco/NeoPredPipe

基本用法如下

python NeoPredPipe.py \
-I somatic.vcf \
-H hlatypes.txt \
-o ./ \
-n TestRun \
-c 1 2 -E 8 9 10

需要提供两个输入文件， -I 指定体细胞突变的vcf文件， -H 指定HLA分型结果文件。更多细节请参考该软件的官方文档。

通过上述的数据分析，可以快速定位出候选的新抗原，然而其中的假阳性率还是非常高的，后续还需要结合体外实验来进一步筛选和过滤。

·end·

—如果喜欢，快分享给你的朋友们吧—

扫描关注微信号，更多精彩内容等着你！

欢迎关注”生信修炼手册”!NetMHCpan软件用于预测肽段与MHC I型分子的亲和性，最新版本为v4.0, 基于人工神经网络算法，以180000多个定量结合数据和MS衍生的MHC洗脱配... 该工具允许用户 使用 ANNOVAR和 netMH Cpan 处理从单区域或多区域vcf文件 预测 的 新 抗原 。 一旦运行了主要管道，用户便可以执行 新 抗原 识别潜能，如。 要执行 新 抗原 识别的潜力，请。 最后，您可以 使用 可视化这些 预测 。 NeoPredPipe现在已在BMC生物信息学中发表。 请引用： Schenck，Ryan O.和Lakatos，Eszter和Gatenbee，Chandler和Graham，Trevor A.和Anderson，Alexander RA 。 BMC生物信息学。 2019. 20：264。 注意：应该在Darwin和Linux系统上兼容，而不是Windows。 Python == 2.7（ 使用 Python 2.7.13构建，尚不兼容 python 3） 生物蟒== 1.70 可以在下载。 ANNOVAR参考文件，例如：hg19_refGe 配体 预测 软件包具有极高的准确性和快速而有实施方案。 MHCflurry实施I类肽/ MHC结合亲和力 预测 。 当前版本提供了支持任何已知序列MHC等位基因的pan-MHC I 预测 因子。 MHCflurry 使用 神经网络库在 Python 3.4+上运行。 它公开了和接口。 从版本1.6.0开始，MHCflurry还包括两个实验性 预测 因子，一个“ 抗原 加工” 预测 因子试图模拟MHC等位基因无关的效应，如蛋白体切割，另一个“表现形式” 预测 因子将加工过程 预测 与结合亲和力 预测 相结合，从而得到一个综合“表现得分”。 两种模型均经过质谱鉴定的MHC配体训练。 这些模型已更 新 ，以合并MHCflurry 2.0版本的较小改进。 如果您发现MHCflurry对您的研究有用，请引用： T. O'Donnell，A。Rubinsteyn和U. Laserson。 “MHCflurry 2.0：MHC的改进的 epitopepredict提供了用于执行多种表位 预测 方法的标准化程序界面和命令行工具。 当前，这主要由几个MHC结合 预测 的接口组成，然后可以以一致的方式处理和可视化其结果。 有一种用于MHC I类 预测 的内置方法，并且提供了TEPITOPEPan方法作为针对MHC II类的“内置”方法。 IEDB工具和 netMH Cpan ， netMH CI Ipa n和MHCFlurry也受支持。 这些工具可免费用于学术用途，但必须单独安装。 该软件可在大多数linux系统上运行。 当前的版本： pip install epitopepredict 或github上的最 新 版本： pip install -e git+https://github.com/dmnfarrell/epitopepredict.git#egg=epitopepredict