A computational tool to predict T cell tumor reactivity from single-cell transcriptomics data

Abstract

Hem desenvolupat "TCRanker", una eina computacional que pren com a entrada dades de seqüenciació d'ARN d'una sola cèl·lula (scRNA-seq) combinades amb dades de seqüenciació de TCR d'una sola cèl·lula (scTCR-seq) i classifica els TCR en una mostra de tumor segons la seva probabilitat de reconèixer els antígens tumorals. Per classificar els TCR, TCRanker avalua l'expansió clonal de les cèl·lules T i les característiques transcripcionals de les cèl·lules T associades a la reactivitat del tumor en cada clonotip de cèl·lules T. Vam avaluar el seu rendiment predictiu mitjançant dades disponibles públicament, demostrant la utilitat del nostre enfocament.

Desarrollamos "TCRanker", una herramienta computacional que toma como entrada datos de secuenciación de ARN de una sola célula (scRNA-seq) combinados con datos de secuenciación de TCR de una sola célula (scTCR-seq) y clasifica los TCR en una muestra de tumor según su probabilidad para reconocer antígenos tumorales. Para clasificar los TCR, TCRanker evalúa la expansión clonal de las células T y las características transcripcionales de las células T asociadas con la reactividad tumoral en cada clonotipo de células T. Evaluamos su rendimiento predictivo utilizando datos disponibles públicamente, lo que demuestra la utilidad de nuestro enfoque.

We developed “TCRanker”, a computational tool that takes as input single-cell RNA-sequencing (scRNA-seq) data paired with single-cell TCR-sequencing (scTCR-seq) data and ranks TCRs in a tumor sample according to their likelihood to recognize tumor antigens. To rank TCRs, TCRanker evaluates T cell clonal expansionand T cell transcriptional features associated with tumor reactivity in each T cell clonotype. We compared TCRanker with other tools, and evaluated its predictive performance using publicly available data, demonstrating the utility of our approach.