Algorithmus optimiert Neoantigen-Sequenzen

Nach dem Einsatz von RNA-Impfstoffen zum Schutz vor Covid-19 konzentrieren sich die Herstellerunternehmen verstärkt auf die Entwicklung von individualisierten Krebstherapien mithilfe der mRNA-Technologie. Alle großen Unternehmen wollen in den kommenden Jahren mit entsprechenden Präparaten auf den Markt kommen. Die Basis für dieses Konzept bilden sogenannte »Neoantigene« meist als Teilsequenzen aktivierter Onkogene. 

Onkogene entstehen durch spezifische Mutationen in Proto-Onkogenen. Die von Proto-Onkogenen abgeleiteten Proteine nehmen bei der Kontrolle der Zellproliferation eine Schlüsselstellung ein. Wird diese Kontrolle durch Veränderung an den Proteinen außer Kraft gesetzt, kann dies zu einer Manifestation eines Tumors führen.

Neoantigene sind somit tumorspezifische Peptidsequenzen, die durch Mutationen entstanden sind und nur in oder auf Tumorzellen vorkommen. Sie können genutzt werden, um mRNA-Impfstoffe herzustellen, mit deren Hilfe das Immunsystem des Patienten zur Produktion aktivierter zytotoxischer T-Zellen angeregt wird, die den Tumor bekämpfen. Hierfür werden zunächst patientenspezifische Neoantigene ausgewählt, mRNA-Moleküle entwickelt, die für diese kodieren, und diese in einem Impfstoff verpackt. Im Körper des Geimpften werden die von den Impf-mRNA kodierten Peptide auf Moleküle des Haupthistokompatibilitätskomplexes (MHC) geladen, um sie T-Zellrezeptoren zu präsentieren.

Die genaue Identifizierung der Peptidfragmente, die Neoantigenstrukturen beinhalten, ist sowohl für die Entwicklung der Krebsimpfstoffe als auch für ein möglichst zuverlässiges Ansprechen auf eine Immuntherapie entscheidend. Da es sich bei den meisten somatischen Mutationen, die Proto-Onkogene aktivieren, um Ein-Nukleotid-Varianten handelt, sind die Veränderungen zwischen Wildtyp und mutierten Peptiden in der Regel subtil und erfordern eine vorsichtige Interpretation.