• 文献检索
  • 文档翻译
  • 深度研究
  • 学术资讯
  • Suppr Zotero 插件Zotero 插件
  • 邀请有礼
  • 套餐&价格
  • 历史记录
应用&插件
Suppr Zotero 插件Zotero 插件浏览器插件Mac 客户端Windows 客户端微信小程序
定价
高级版会员购买积分包购买API积分包
服务
文献检索文档翻译深度研究API 文档MCP 服务
关于我们
关于 Suppr公司介绍联系我们用户协议隐私条款
关注我们

Suppr 超能文献

核心技术专利：CN118964589B侵权必究
粤ICP备2023148730 号-1Suppr @ 2026

文献检索

告别复杂PubMed语法，用中文像聊天一样搜索，搜遍4000万医学文献。AI智能推荐，让科研检索更轻松。

立即免费搜索

文件翻译

保留排版，准确专业，支持PDF/Word/PPT等文件格式，支持 12+语言互译。

免费翻译文档

深度研究

AI帮你快速写综述，25分钟生成高质量综述，智能提取关键信息，辅助科研写作。

立即免费体验

INTEGRATE-neo：一种用于个性化基因融合新抗原发现的流程。

INTEGRATE-neo: a pipeline for personalized gene fusion neoantigen discovery.

作者信息

Zhang Jin, Mardis Elaine R, Maher Christopher A

机构信息

McDonnell Genome Institute.

Department of Internal Medicine.

出版信息

Bioinformatics. 2017 Feb 15;33(4):555-557. doi: 10.1093/bioinformatics/btw674.

DOI:10.1093/bioinformatics/btw674
PMID:27797777
原文链接:https://pmc.ncbi.nlm.nih.gov/articles/PMC5408800/
Abstract

MOTIVATION

While high-throughput sequencing (HTS) has been used successfully to discover tumor-specific mutant peptides (neoantigens) from somatic missense mutations, the field currently lacks a method for identifying which gene fusions may generate neoantigens.

RESULTS

We demonstrate the application of our gene fusion neoantigen discovery pipeline, called INTEGRATE-Neo, by identifying gene fusions in prostate cancers that may produce neoantigens.

AVAILABILITY AND IMPLEMENTATION

INTEGRATE-Neo is implemented in C ++ and Python. Full source code and installation instructions are freely available from https://github.com/ChrisMaherLab/INTEGRATE-Neo .

CONTACT

christophermaher@wustl.edu.

SUPPLEMENTARY INFORMATION

Supplementary data are available at Bioinformatics online.

摘要

动机

虽然高通量测序（HTS）已成功用于从体细胞错义突变中发现肿瘤特异性突变肽（新抗原），但该领域目前缺乏一种鉴定哪些基因融合可能产生新抗原的方法。

结果

我们通过鉴定前列腺癌中可能产生新抗原的基因融合，展示了我们名为INTEGRATE-Neo的基因融合新抗原发现流程的应用。

可用性和实现方式

INTEGRATE-Neo用C++和Python实现。完整的源代码和安装说明可从https://github.com/ChrisMaherLab/INTEGRATE-Neo免费获取。

联系方式

christophermaher@wustl.edu。

补充信息

补充数据可在《生物信息学》在线获取。

https://cdn.ncbi.nlm.nih.gov/pmc/blobs/5313/5408800/88790c151b5c/btw674f1.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/5313/5408800/88790c151b5c/btw674f1.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/5313/5408800/88790c151b5c/btw674f1.jpg

相似文献

1
INTEGRATE-neo: a pipeline for personalized gene fusion neoantigen discovery.INTEGRATE-neo：一种用于个性化基因融合新抗原发现的流程。
Bioinformatics. 2017 Feb 15;33(4):555-557. doi: 10.1093/bioinformatics/btw674.
2
ProGeo-neo: a customized proteogenomic workflow for neoantigen prediction and selection.ProGeo-neo：一种用于预测和选择新抗原的定制化蛋白质基因组工作流程。
BMC Med Genomics. 2020 Apr 3;13(Suppl 5):52. doi: 10.1186/s12920-020-0683-4.
3
nextNEOpi: a comprehensive pipeline for computational neoantigen prediction.nextNEOpi：一个全面的计算新抗原预测管道。
Bioinformatics. 2022 Jan 27;38(4):1131-1132. doi: 10.1093/bioinformatics/btab759.
4
CloudNeo: a cloud pipeline for identifying patient-specific tumor neoantigens.CloudNeo：一种用于鉴定患者特异性肿瘤新生抗原的云流水线。
Bioinformatics. 2017 Oct 1;33(19):3110-3112. doi: 10.1093/bioinformatics/btx375.
5
ScanNeo2: a comprehensive workflow for neoantigen detection and immunogenicity prediction from diverse genomic and transcriptomic alterations.ScanNeo2：一种从多种基因组和转录组改变中检测新抗原和预测免疫原性的综合工作流程。
Bioinformatics. 2023 Nov 1;39(11). doi: 10.1093/bioinformatics/btad659.
6
NeoFox: annotating neoantigen candidates with neoantigen features.NeoFox：利用新抗原特征对新抗原候选物进行注释。
Bioinformatics. 2021 Nov 18;37(22):4246-4247. doi: 10.1093/bioinformatics/btab344.
7
OpenVax: An Open-Source Computational Pipeline for Cancer Neoantigen Prediction.OpenVax：一种用于癌症新抗原预测的开源计算管道。
Methods Mol Biol. 2020;2120:147-160. doi: 10.1007/978-1-0716-0327-7_10.
8
BreakID: genomics breakpoints identification to detect gene fusion events using discordant pairs and split reads.BreakID：使用不一致对和拆分读取进行基因组学断点识别以检测基因融合事件。
Bioinformatics. 2019 Aug 15;35(16):2859-2861. doi: 10.1093/bioinformatics/bty1070.
9
ProGeo-Neo v2.0: A One-Stop Software for Neoantigen Prediction and Filtering Based on the Proteogenomics Strategy.ProGeo-Neo v2.0：一款基于蛋白质基因组学策略的一站式新型抗原预测和筛选软件。
Genes (Basel). 2022 Apr 28;13(5):783. doi: 10.3390/genes13050783.
10
ScanNeo: identifying indel-derived neoantigens using RNA-Seq data.ScanNeo：利用 RNA-Seq 数据鉴定移码突变衍生的新抗原。
Bioinformatics. 2019 Oct 15;35(20):4159-4161. doi: 10.1093/bioinformatics/btz193.

引用本文的文献

1
The role of neoantigens and tumor mutational burden in cancer immunotherapy: advances, mechanisms, and perspectives.新抗原和肿瘤突变负荷在癌症免疫治疗中的作用：进展、机制及展望
J Hematol Oncol. 2025 Sep 2;18(1):84. doi: 10.1186/s13045-025-01732-z.
2
Development of therapeutic cancer vaccines based on cancer immunity cycle.基于癌症免疫循环的治疗性癌症疫苗的开发。
Front Med. 2025 Jul 14. doi: 10.1007/s11684-025-1134-6.
3
Computational methods and data resources for predicting tumor neoantigens.预测肿瘤新抗原的计算方法和数据资源

本文引用的文献

1
pVAC-Seq: A genome-guided in silico approach to identifying tumor neoantigens.pVAC-Seq：一种基于基因组引导的计算机模拟方法来鉴定肿瘤新抗原。
Genome Med. 2016 Jan 29;8(1):11. doi: 10.1186/s13073-016-0264-5.
2
INTEGRATE: gene fusion discovery using whole genome and transcriptome data.整合：利用全基因组和转录组数据发现基因融合
Genome Res. 2016 Jan;26(1):108-18. doi: 10.1101/gr.186114.114. Epub 2015 Nov 10.
3
Gapped sequence alignment using artificial neural networks: application to the MHC class I system.使用人工神经网络的缺口序列比对：在主要组织相容性复合体I类系统中的应用。
Brief Bioinform. 2025 Jul 2;26(4). doi: 10.1093/bib/bbaf302.
4
Advances in neoantigen-based immunotherapy for head and neck squamous cell carcinoma: a comprehensive review.头颈部鳞状细胞癌基于新抗原的免疫治疗进展：全面综述
Front Oncol. 2025 May 15;15:1593048. doi: 10.3389/fonc.2025.1593048. eCollection 2025.
5
Neoantigen-based immunotherapy: advancing precision medicine in cancer and glioblastoma treatment through discovery and innovation.基于新抗原的免疫疗法：通过发现与创新推动癌症和胶质母细胞瘤治疗的精准医学发展。
Explor Target Antitumor Ther. 2025 Apr 27;6:1002313. doi: 10.37349/etat.2025.1002313. eCollection 2025.
6
Identifying Strong Neoantigen MHC-I/II Binding Candidates for Targeted Immunotherapy with SINE.利用SINE鉴定用于靶向免疫治疗的强新抗原MHC-I/II结合候选物。
Int J Mol Sci. 2024 Dec 29;26(1):205. doi: 10.3390/ijms26010205.
7
Developing Vaccines in Pancreatic Adenocarcinoma: Trials and Tribulations.开发胰腺腺癌疫苗：试验与磨难。
Curr Oncol. 2024 Aug 23;31(9):4855-4884. doi: 10.3390/curroncol31090361.
8
Bioinformatics tools and resources for cancer and application.癌症的生物信息学工具和资源及其应用。
Chin Med J (Engl). 2024 Sep 5;137(17):2052-2064. doi: 10.1097/CM9.0000000000003254. Epub 2024 Jul 30.
9
Development and Clinical Applications of Therapeutic Cancer Vaccines with Individualized and Shared Neoantigens.具有个体化和共享新抗原的治疗性癌症疫苗的研发与临床应用
Vaccines (Basel). 2024 Jun 27;12(7):717. doi: 10.3390/vaccines12070717.
10
Transformers meets neoantigen detection: a systematic literature review.变压器与新抗原检测：系统文献综述。
J Integr Bioinform. 2024 Jul 4;21(2). doi: 10.1515/jib-2023-0043. eCollection 2024 Jun 1.
Bioinformatics. 2016 Feb 15;32(4):511-7. doi: 10.1093/bioinformatics/btv639. Epub 2015 Oct 29.
4
Cancer immunotherapy. A dendritic cell vaccine increases the breadth and diversity of melanoma neoantigen-specific T cells.癌症免疫疗法。一种树突状细胞疫苗可增加黑色素瘤新抗原特异性T细胞的广度和多样性。
Science. 2015 May 15;348(6236):803-8. doi: 10.1126/science.aaa3828. Epub 2015 Apr 2.
5
Checkpoint blockade cancer immunotherapy targets tumour-specific mutant antigens.检查点阻断癌症免疫疗法靶向肿瘤特异性突变抗原。
Nature. 2014 Nov 27;515(7528):577-81. doi: 10.1038/nature13988.
6
The cancer antigenome.肿瘤抗原组。
EMBO J. 2013 Jan 23;32(2):194-203. doi: 10.1038/emboj.2012.333. Epub 2012 Dec 21.
7
Derivation of HLA types from shotgun sequence datasets.从鸟枪法测序数据集推导 HLA 类型。
Genome Med. 2012 Dec 10;4(12):95. doi: 10.1186/gm396. eCollection 2012.
8
Cancer exome analysis reveals a T-cell-dependent mechanism of cancer immunoediting.癌症外显子组分析揭示了癌症免疫编辑的 T 细胞依赖机制。
Nature. 2012 Feb 8;482(7385):400-4. doi: 10.1038/nature10755.
9
Fast and accurate short read alignment with Burrows-Wheeler transform.使用Burrows-Wheeler变换进行快速准确的短读比对。
Bioinformatics. 2009 Jul 15;25(14):1754-60. doi: 10.1093/bioinformatics/btp324. Epub 2009 May 18.