Abstract PR-09: Meta-Analysis of Neoantigens: Insights from the Cancer Epitope Database and Analysis Resource (CEDAR)
Notice bibliographique
Résumé
Abstract Cancer cells accumulate somatic mutations that can give rise to novel amino acid sequences absent from the normal human proteome. These mutation-derived, cancer-specific peptides are referred to as “neo-peptides.” A subset of neo-peptides capable of eliciting an immune response are termed “neo-epitopes.” Neo-epitopes hold significant promise for precision cancer immunotherapy, both as therapeutic targets and as biomarkers for prognosis and treatment response. Given their central role in immuno-oncology, we performed a meta-analysis to systematically assess how experimental evidence shapes current understanding of neo-epitope biology. Our study is the largest reported to date. Using the Cancer Epitope Database and Analysis Resource (CEDAR), we analyzed over 16,000 neo-peptides tested in more than 20,000 T cell assays across 180 studies. We analyzed frequently utilized assay types, the genes neo- epitopes are derived from, and their driver gene status, variations across cancer types, mutation patterns and their physicochemical properties, HLA restrictions, and predicted MHC binding. We found that validated neo-epitope frequencies varied across cancer types, with the highest rates in skin and lung and the lowest in colorectal cancer. Neo-epitopes were enriched in driver genes such as TP53 and KRAS. However, testing frequency correlated with mutation prevalence, revealing a bias toward recurrent mutations. Despite the high sequence similarity among RAS family members, validated neo-epitope overlap was minimal, challenging pan-RAS strategies. Shared neo-epitopes across cancer types are rare, with only 16 validated in more than one cancer type. While most assays involved HLA class I, class II alleles presented a higher proportion of validated neo-epitopes. Specific alleles, including HLA-B*40:01 and HLA- DRB1*11:01, were enriched for presenting neo-epitopes, whereas others, like HLA-A*02:01, were enriched for presenting neo-peptides that are not recognized by T cells. Finally, amino acid substitutions that altered hydrophobicity or charge were more common in neo-epitopes. Citation Format: Zeynep Kosaloglu-Yalcin, Ibel Carri, Bjoern Peters, Alessandro Sette. Meta-Analysis of Neoantigens: Insights from the Cancer Epitope Database and Analysis Resource (CEDAR) [abstract]. In: Proceedings of the AACR Special Conference in Cancer Research: Mechanisms of Cancer Immunity and Cancer-related Autoimmunity; 2025 Sep 24-27; Montreal, QC, Canada. Philadelphia (PA): AACR; Cancer Immunol Res 2025;13(9 Suppl):Abstract nr PR-09.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,020 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,015 |
| Bibliométrie | 0,012 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».