低级别胶质瘤的免疫学仍然很复杂，具有指示肿瘤浸润淋巴细胞正的和负面的影响报告。异柠檬酸脱氢酶-1中的突变氨基酸会损害该酶的功能，导致其产生可能的竞争性合成代谢物，2-羟基戊二酸代替NADPH，常见于低级神经胶质瘤和继发性高胶质瘤中级神经胶质瘤。并且，先前工作已经导致广泛考虑的共同的，突变IDH1-R132H，作为疫苗候选，临床试验正在进行中，特别是通过使用代表IDH1-R132H突变体IDH1肽。为了进一步了解IDH1突变体在LGG免疫应答中的潜在作用，并可能解决LGG抗癌免疫应答的明显矛盾，从LGG相关外显子组文件中获得免疫受体重组读物。读取被用于突变IDH1和CDR3，被认为是抗原结合的接触位点对免疫受体的最重要的部分之间的潜在相互作用的基于生物信息学评价免疫受体的翻译的CDR3区。这分析基础是最近结果所代表的，已经建立了机会，可以通过将免疫受体CDR3域根据等电点或其他几种方法中的任何一个分为不同的组，从而观察到膀胱癌患者生存率的巨大差异。此外，代表突变AA的肿瘤与与肿瘤相关的WXS文件恢复的免疫受体CDR3域的电点互补，也代表基于该互补性的生存差异。例如，具有PIK3CA突变体导致等电点显着增加的膀胱癌肿瘤，其特征还在于，由于TILs，T细胞受体a链的CDR3结构域还包含TIL，因此具有很高的存活率。即互补的等电点此外，在缺乏PIK3CA突变型AA的样品中，未观察到相同的CDR3，等电点相关的存活差异。
　　 除了生物信息学为基础的膀胱癌肿瘤免疫学的进步可能是适用于LGG，几个报告建立使用外周血具有抗肿瘤免疫应答表示机会包括从血液WXS文件和宫颈癌中获得的与免疫受体重组读数的统计学上显着的生存关联。因此对于以下分析，从肿瘤和血液，TCGA-LGG WXS文件中获得了TRB和IGH重组读数，并评估每个残基的净电荷和亲水性值相应的CDR3 AA序列。通过评估这两个值，假设有最好的机会来考虑在CDR3-表位结合反应中可能有效的极性和非极性相互作用。此外，采用一种新颖的化学互补评分系统，使用这两个参数来评估CDR3与IDH1突变体之间的潜在化学相互作用，从而明确表明，更高的生存率与CDR3和CD3的化学互补性更高相关。
　　 出国看病网发现，从TCGA-LGG和-SK厘米癌症和血液外显子组文件免疫受体重组的恢复，由通过NIH dbGaP批准文号6300可用，先前广泛描述。免疫受体重组的CDR3的化学特征生物信息学的评估也被之前的描述。本研究中使用的上述方法的TCGA-LGG输出可在SOM中找到。NCPR的CDR3突变IDH1互补性评分是通过将NCPR值乘以通过突变AA的电荷变化。例如，IDH1中的R-> H突变会在生理pH下产生-1.0净电荷变化，如果乘以+0.5的CDR3 NCPR，则会产生-0.5的互补性得分。计算中此步骤的负数表示互补相互作用。但在生成最终NCPR-CS的下一步中，乘以-1以保持与Uversky亲水性CS计算的正值的一致性，即等效Uversky亲水性计算的正值表示互补性。具体来说为评估疏水相互作用，将Uversky亲水值乘以CDR3结构域中和IDH1中突变的AA的Uversky亲水性。例如，IDH1中的R-> H突变会使Uversky亲水性产生+0.144的变化，如果乘以+0.1的CDR3 Uversky亲水性，则会产生+0.0144的CS。因为具有高疏水性的AA R-基团吸引具有高疏水性的AA基团，所以更阳性的Uversky亲水性CS表示较高的互补性。互补评分过程的原始软件在SOM中。针对单个案例ID的NCPR和Uversky-CS计算的示例计算。使用Graphpad Prism为所描述获得的基于KM生存优。从cBioPortal获得RNASeq表达值。使用Cox回归计算RNASeq值与OS之间的相关性。RNASeq值与NCPR-CS和Uversky Hydropathy CS之间的相关性是使用Pearson的相关性计算的。通过Mann-Whitney U检验评估凋亡影响基因RNAseq值与不同的TCGA-LGG TRB CDR3突变IDH1，基于NCPR的互补组和非互补组的相关性。
　　 为了评估TCR CDR3域和IDH1突变型AA取代之间的互补性，开发了两个单独的互补性评分系统，分别用于评估静电和疏水性相互作用。为了计算电化学CS，将CDR3 AA序列的NCPR值乘以IDH1中突变AA引起的电荷变化。在单独的计算中，将患者的IDH1突变型AA作为一个因素，分别将其TRB CDR3 AA序列作为另一个因素来计算NCPR-CS，其中NCPR-CS结果代表最高的互补性针对此报告中所有后续分析中使用的给定案例ID。从肿瘤和血液WXS文件搜索获得了TRB CDR3序列AA。就LGG而言，单独的肿瘤TRB重组读取计数不足以进行基于NCPR-CS的生存分析。因此，包括在TRB重组读取来自LGG血液WXS文件以及，所述准备检测血清胶质瘤衍生的生物标记物，包括神经胶质瘤相关IDH1转录物; 随时检测血液中针对肿瘤抗原的免疫受体。最近已经为宫颈癌建立利用血液WXS文件进行与生存相关的免疫受体重组读取的机会。总而言之，对于每个TCGA-LGG病例ID，可以获得最大的互补NCPR-CS，其中从血液或肿瘤WXS文件中读取的至少一种TRB重组得以恢复。由于其TRB，CDR3突变IDH1 NCPR-CS中的至少一个大于零，因此代表高TRB突变IDH1互补性的案例ID，大于零则表示互补相互作用的数学表示，使用Kaplan-Meier生存分析与无互补TRB，CDR3突变IDH1相互作用的病例ID进行了比较。具有互补TRB，CDR3突变IDH1 NCPR-CS的患者比没有互补CS的患者表现出更好的总体生存期。与所有其余TCGA-LGG病例ID相比，具有互补TRB，CDR3突变IDH1 NCPR-CS的病例ID也显示出明显更高的OS率。
　　 为了扩展和进一步验证NCPR-CS计算与OS的关系，采用几种方法。由于尚未复制TCGA-LGG集，因此允许使用复制数据集复制基本结果，因此将TRB CDR3突变IDH1和LGG集随机分为两半；然后从那一半收集互补和非互补的案例ID；然后再次进行KM分析，获得相似的结果，即互补的NCPR-CS评分代表了更好的OS率。其次，使用NCPR-CS评分方法，该方法使用的TRB CDR3来自不同的方法和数据集，即使用从RNASeq文件中获得的CDR3，其他人对此进行挖掘。为了利用这种基于RNASeq的CDR3恢复方法，将TCGA-SK厘米数据集用于NRAS突变体，因为该SK厘米数据集代表了仅从肿瘤样品中获得的足够数量的TRB重组读取，这是一个必要的考虑，因为没有用于任何允许TRB重组读取挖掘的TCGA血液样本的RNASeq文件。结果表明互补的NCPR-CS值代表较高的OS率，该结果进而被较高的OS率所证实。代表NRAS突变体的TCGA-SK厘米 WXS文件。
　　 接下来，将独特的化学方法应用于LGG数据集。为每个带有突变IDH1的病例ID生成了Uversky亲水性CS。然后，使用KM分析，将前50名百分位数为Uversky亲水性病的病例ID的OS率与前50名百分位数为Uversky亲水性病的病例ID的生存率进行比较。相对于Uversky亲水性CS较低的病例ID，代表较高的Uversky亲水性CS的病例ID的OS率要好得多。与所有剩余的TCGA-LGG病例ID相比，Uversky亲水性CS还显示出明显更高的生存率。为了评估CS的关系，对于OS，在临床特征设置中，使用了多变量Cox比例风险模型，包括基于TRB的NCPR-CS和Uversky CS，种族，肿瘤等级，年龄，性别和突变，仅对于NCPR和Uversky亲水性评分算法而言，显示出与死亡呈显着负相关，且具有互补。
　　 结合NCPR和Uversky亲水性突变IDH1 CS的值后评估生存相关性，对两组CS进行z评分，并将每个病例ID的NCPR-CS z得分和Uversky亲水性CS z-获得分数。然后，使用KM分析将代表最高50％组合CS的案例ID与代表最低50％组合CS的ID进行比较。病例ID代表更互补的TRB CDR3突变IDH1，联合CS代表的OS比具有出租人TRB CDR3突变IDH1组合CS的OS好得多。为了将没有TRB重组读取恢复的案例ID的OS率与具有非互补CS的案例ID的OS速率进行比较，进行了KM分析，如下所示。IDH突变且TRB CDR3突变的IDH1 NCPR-CS小于或等于零的案例ID；即，非互补性CS计算与具有IDH1突变且没有TRB重组读取的病例ID的病例ID的OS率相同。从缺乏统计学意义的角度来看，代表IDH1突变和Uversky亲水性突变IDH1 CS的病例ID位于最低的第50个百分位数与没有TRB的病例ID的OS率相同。重组读取恢复；也就是说，与NCPR-CS等于或小于零的案例ID进行比较时，上面提到的同一组案例ID。最后，代表合并NCPR，Uversky亲水性CS的最低50％病例ID的OS率也与具有IDH1突变且未读TRB重组的病例ID所代表的OS率没有显着差异。回收率。
　　 这已经明确了一段时间，缺乏的IDH1突变表示预后不良，尤其是对于LGG。因此，通过考虑上述指示的互补CDR3突变IDH1 CS，了解预后的潜在附加值可能具有实用价值。因此，将由具有互补TRB CDR3突变体IDH1 CS的病例ID代表的OS率与由缺乏IDH1突变的病例ID代表的OS率进行比较，进行KM分析。无论是否存在IDH1突变和不互补IDH1错义突变的病例ID所代表的OS率均显着高于缺少IDH1错义突变的病例ID所代表的OS率。从相应的WXS文件读取的TRB重组恢复。同样，IDH1突变的病例ID和Uversky亲水性突变IDH1 CS计算在前50个百分位数中显示，与没有IDH1突变的患者相比，无论是否恢复TRB重组，其生存率均显着提高。读数。并且，获得了相似的一致结果，这些结果代表了具有高z评分，合并NCPR，Uversky亲水性CS的病例ID 。
　　 接近类似的互补性的得分被用于评估潜在的IGH CDR3突变IDH1的关系，同时使用NCPR和Uversky亲水性值。当评估代表互补和非互补NCPR-CS的病例ID时，IGH CDR3突变IDH1 NCPR-CS与显着的生存差异无关。但是，与以CDR3突变IDH1 CS代表病例的ID相比，代表互补相互作用的基于Uversky亲水性的CDR3突变IDH1 CS与OS发生率显着提高。低互补。此外，在Uversky亲水症CS计算的第50个百分位数中，病例ID和WXS文件中没有IGH重组读取恢复的病例ID所代表的OS率没有显着差异 。再次，考虑缺少IDH1突变的LGG病例的预后明显较差，试图通过比较代表Uversky亲水性疾病的第50个百分位数的病例ID的OS率，来了解患者区别的潜在增加机会IDH1和缺少IDH1突变的案例ID。因此，无论TRB或IGH恢复状态如何，前一组病例ID的OS率比没有IDH1突变的患者好得多。
　　 为了确定是否可能鉴定与TRB CDR3突变IDH1 CS相关的基因表达值，以解释相关的不同存活率或告知其他区分存活率的方法，编写了一种算法来鉴定其表达相关的基因对于NCPR-CS和Unversky亲水症，TRB CDR3突变IDH1 CS的CS较差或较好。通过Cox回归分析，只有四个基因符合独立于OS区别的，基于RNASeq的表达值的标准，并且通过Cox回归进行了分析，并且具有显着的Pearson相关系数，与CS得分相关。在这四个中，只有一个IL17RC与免疫功能有关，IL17RC高表达水平与高互补性成反比。为了进一步研究基因表达差异增强LGG数据集互补评分和非互补评分所代表的OS差异的可能性，并进一步阐明解释这两类病例ID的OS结果差异的可能机制，评估RNA测序值先前描述的组的凋亡效应基因广泛地与癌症细胞生存力。但是，在第二种方法中，使用Mann-Whitney U检验来建立统计学上的显着差异，并且由于KM log等级和Cox更为显着，因此评估仅由NCPR-CS代表的互补组和非互补组的差异。与基于Uversky亲水症的CS方法相比，危险比p值区分了互补LGG OS和非LGG OS率。结果表明，只有两个凋亡效应基因的p值低于0.05。这些基因之一AIFM3在互补的NCPR-CS值代表的肿瘤样品中以较高的水平表达。此外，AIFM3表达与NCPR-CS得分呈相关趋势，皮尔森相关性的p值为0.08。先前已证明AIFM3在脑组织中的表达水平非常高，并且在一大堆被测试组织中的所有其他组织中的表达水平仅比背景水平高。另外，其他所有的细胞凋亡效应基因的上述评估，已经显示仅在脑中以非常低的水平表达。在整个LGG数据集中对AIFM3 RNASeq值进行的类似分析没有产生独立的OS区别。例如在AIFM3基因表达水平的上50％和下50％之间或20％上和下百分比之间没有可检测到的生存差异。因此，由于AIMF3对LGG存活率的整体，独立影响，不可能以互补NCPR-CSs代表的肿瘤中AIMF3表达的潜在影响。
　　 以上分析与以下结论一致：可用的TRB CDR3s或IGH CDR3s与代表IDH1的突变肽之间的良好结合相互作用可导致更长的患者生存期。在LGG免疫应答的这种明显的特异性是与报告，IDH1突变体已显示有希望作为肿瘤疫苗，IDH1突变体阳性肿瘤具有不同的免疫应答是一致的。因此，以上结果有助于理解关于免疫系统在LGG中的作用的不同报道。具有指示的IDH1突变体特异性，可能存在功能性和有益的免疫反应。但是由于缺乏这种特异性，免疫反应要么无关紧要，要么弊大于利。此外，这些区别与突变负担无关，即低和高NCPR-CS，TCGA-LGG组具有相等的平均突变负担。而且，这些基于CS的OS区别特别独立于TCGA-LGG数据集的前三个突变基因TP53，ATRX和CIC中的突变。最后，没有发现患者临床表现的各个方面与高互补性组一致相关。
　　 鉴于先前有关突变IDH1可能具有免疫原性的报道，上述结果表明，高CDR3突变IDH1 CS代表TRB和IGH与突变IDH1肽结合，以及针对肿瘤的免疫应答如果是TRB，则在HLA分子上显示该肽。但是，由于上述内容从根本上是一项相关研究，因此不能排除突变体IDH1以某种方式驱动肿瘤发展，从而使基于TRB和IGH的免疫应答的未知方面更加有效，例如，突变体IDH1可以代表更高的水平。凋亡细胞产生更广泛的LGG抗原系列，与TRB和IGH CDR3的互补性尚未被发现。但是，鉴于上述结果以及其他IDH1突变体免疫原性数据的确表明某些TRB和IGH CDR3与IDH1突变体化学互补，从而消除IDH1阳性突变体的可能性，问题就变成了为什么CDR3 CS有区别吗？例如，在CDR3突变体IDH1 CS较低的情况下，是因为针对IDH1突变体的免疫反应减弱了，并且IDH1突变体肽不再具有“免疫可利用性”吗？或者，这是由于免疫应答仅限于预先存在的优势免疫受体，还是由于过去的病原体暴露，与IDH1突变体互补的CDR3是否全身存在？未来的工作将大大增加这些问题的答案。
　　 不管机制和未来的说明如何，上述工作都大大增加进行更可靠的预后的机会，尤其是在试图告知极端情况时：缺乏IDH1突变；具有IDH1突变和相应的化学互补的免疫受体CDR3。同样，这种区别可以指导治疗。例如，使用高CDR3突变IDH1 CS时，检查点封锁方法会更有效；并将具有自身抗原结合免疫受体的CAR T细胞或治疗性抗体在低CDR3突变IDH1 CS下更有效吗？最后，互补的IGH CDR3突变IDH1 CS是否可以指导治疗性抗体或CAR T细胞受体工程？上述所有与T细胞受体相关的互补评分方法均使用TRB CDR3 AA序列，这提出与基于TRA的CDR3 AA序列类似的方法是否可能有用的问题？例如，数据具有T细胞受体抗原决定基指示TRA CDR3触点。初步结果表明，基于从血液和肿瘤WXS文件中获得的TRA重组读数，TRA CDR3突变的BRAF NCPR-CS定义了不同的OS率，这确实是事实。
　　 最初搜索与生存和CS相关的肿瘤RNA表达产生适度的结果，只有IL17RC在关联性的意义上存活率最高的严格搜索过滤条件，并且与免疫功能直接相关。该结果与CS结果没有任何明显的联系。IL17RC是在非造血细胞上表达的IL17受体，以上数据表明其LGG表达与生存呈负相关，与高NCPR CDR3突变IDH1和Uversky亲水性突变IDH1 CS呈负相关。因此，一种假设是IL17RC的表达在具有免疫活性但具有抗原性的微环境中促进肿瘤细胞的存活。考虑到AIFM3表达与脑组织的显着特异性联系，使用非参数方法表明AIFM3表达较高水平的数据很有趣。这些数据提出了一个问题，即作为尚未被发现的肿瘤细胞杀伤过程的一部分，T细胞受体与LGG肿瘤细胞之间的化学互补相互作用是否会导致AIFM3的上调，从而反过来增加OS率？