新抗原预测管线：从测序到疫苗，误差在哪一环被放大

研究说了什么

新抗原预测的流程包括肿瘤与正常组织测序、体细胞突变识别、HLA 分型、肽段与 MHC 结合亲和力预测、表达量过滤，以及最终的免疫原性验证。文献报告，被算法列为高亲和力的肽段中，真正能引起 T 细胞应答的比例通常只有个位数百分比。原因在于呈递还受蛋白酶体切割、抗原加工相关转运体效率、肽段稳定性与翻译后修饰影响。另一类误差来自 HLA 杂合性：患者可能表达六种不同的 MHCⅠ 分子，每种结合偏好不同。

为什么重要

个体化疫苗的疗效上限，由这一环决定。预测错了，打进去的是一批无效肽段，患者承担了时间与费用，却得不到相应的免疫压力。这也是为何不同团队的临床结果差异很大，部分差异来自算法而非药物。算法团队与临床团队的协作方式，会进一步影响最终选出的肽段组合与给药方案。

证据与边界

预测模型多在体外结合亲和力数据上训练，缺少体内呈递的验证。肿瘤异质性导致单点活检的取样偏差，测序深度不足会漏掉低频突变。改进方向包括质谱免疫肽组学与单细胞测序，但通量、灵敏度与成本仍受限。更根本的问题是，肿瘤内不同克隆的抗原谱不同，单一疫苗难以覆盖全部。任何声称预测准确率极高的宣传，都应当要求看到独立队列的验证数据。