COLONYVAQ™, ein quantenklassisch geführter personalisierter Neoantigen-Impfstoff für MSS-Stadium-III-Kolorektalkrebs (COLONYVAQ™-CRC)

Darmkrebs ist eine der Hauptursachen für krebsbedingte Mortalität. Bei Stadium-III-Erkrankungen bleibt ein Rezidiv trotz kurativer Operation und adjuvanter Chemotherapie auf Oxaliplatinbasis häufig. Immun-Checkpoint-Inhibitoren haben die Ergebnisse bei mismatch-repair-defizientem/mikrosatelliteninstabil-hohem Darmkrebs revolutioniert, aber mikrosatellitenstabile/pMMR-Tumoren weisen typischerweise eine geringere Tumor-Mutationslast und ein schlecht entzündetes, immunsuppressives Mikromilieu auf. Folglich bietet eine konventionelle PD-1-Blockade allein nur minimalen Nutzen bei MSS/pMMR-Erkrankungen. Frühere Impfansätze bei Darmkrebs konzentrierten sich auf tumorassozierte Antigene wie CEA, MUC1, Survivin, MAGE und Multi-TAA-Peptidcocktails. Diese Studien zeigten, dass Peptid- und dendritische Zell-basierte Impfstoffe antigenspezifische T-Zell- und B-Zell-Antworten induzieren können, doch objektive Ansprechraten waren selten, der klinische Nutzen war bescheiden, und Toxizitäten außerhalb des Tumors waren ein Problem, da TAAs häufig in normalem Gewebe exprimiert werden. Tumorspezifische Neo-Antigene, die durch nicht-synonyme somatische Mutationen entstehen, sind im Gegensatz dazu auf maligne Zellen beschränkt, entgehen der zentralen Toleranz, können hochaffine T-Zell-Antworten auslösen und Toxizitäten außerhalb des Tumors minimieren. Frühe Darmkrebs- und Pan-Krebs-Neo-Antigen-Studien sowie Programme für gemeinsame Neo-Antigene wie SLATE-KRAS und vollständig personalisierte virale RNA-Plattformen wie GRANITE haben gezeigt, dass eine Multi-Neo-Antigen-Impfung machbar, sicher und immunogen ist, insbesondere in Niedriglast- oder Erhaltungsszenarien und in Kombination mit Checkpoint-Blockade. Die adjuvante Studie mit Neo-Antigen-dendritischem Zellimpfstoff plus Nivolumab bei reseziertem hepatozellulärem Karzinom und kolorektalen Lebermetastasen unterstützt weiterhin die Idee, dass eine personalisierte Neo-Antigen-Impfung im Setting der minimalen Resterkrankung (MRD) Neo-Antigen-spezifische T-Zell-Antworten verstärken und möglicherweise das rezidivfreie Überleben verbessern kann. Oxaliplatinbasierte Regime (mFOLFOX6 oder CAPOX) können immunogenen Zelltod induzieren, wodurch Calreticulin und andere Gefahrensignale freigesetzt werden, die die Aufnahme durch dendritische Zellen und die Kreuzpräsentation von Tumorantigenen verbessern. Nivolumab, durch Blockade von PD-1, hebt die inhibitorische Signalgebung auf aktivierten T-Zellen auf. Die Kombination eines personalisierten Multi-Neo-Antigen-Peptidimpfstoffs mit immunogener Chemotherapie und PD-1-Blockade wird daher erwartungsgemäß die Antigenfreisetzung erhöhen, die Antigenpräsentation verbessern und die Effektorfunktion verstärken, wodurch möglicherweise immunologisch "kalte" MSS-Tumoren in stärker entzündete, "heiße" Läsionen umgewandelt werden, die im adjuvanten Setting einer dauerhaften Immunüberwachung zugänglich sind.

COLONYVAQ-CRC: Quantenklassische, physikbewusste Neo-Antigen-Priorisierung Die meisten bestehenden Neo-Antigen-Pipelines behandeln die Epitop-Rangfolge hauptsächlich statistisch. COLONYVAQ-CRC führt eine physikbewusste, quantenklassische KI-Ebene ein, adaptiert von Tamavaq, um eine überprüfbare, mechanistische Kette von der Sequenzierung bis zur klinischen Peptidauswahl zu generieren. Für jedes Kandidaten-Peptid-HLA-Paar p konstruiert das System eine vereinheitlichte Merkmalsdarstellung Φ(p), die sequenzbasierte, biologische, quantenmechanische, strukturelle und energetische Evidenzen verkettet: Φ(p)=[e_"CNN" (p),"" aux(p),"" z_Q (p),"" φ_"struct" (p),""φ_"dock" (p)]. Der Term e_"CNN" (p) bezeichnet eine tiefe Sequenz-/HLA-Einbettung, abgeleitet von konvolutionellen oder Transformer-Modellen, die auf großen Immunpeptidom-Datensätzen trainiert wurden. Der Hilfsblock aux(p) sammelt A-priori-Informationen zur Antigenprozessierung und -expression wie proteasomale Spaltungswahrscheinlichkeit, TAP-Transportneigung, Transkriptabundanz, Klonalität und, falls verfügbar, ctDNA/MRD-Informationen, um die effektive Antigenquellenstärke abzuschätzen. Der Quantendeskriptor z_Q (p) ist ein niedrigdimensionaler klassischer Vektor, der eine Quantenschaltkreiseinbettung parametrisiert. Der strukturelle Term φ_"struct" (p) fasst die Taschenbesetzung und Rest-Rest-Kontakte in modellierten Peptid-HLA-Komplexen zusammen. Schließlich aggregiert φ_"dock" (p) Docking-Ensemble-Statistiken einschließlich Posenergien, Dispersion und Konformationsdiversität.

Die Ähnlichkeit zwischen zwei Kandidaten p und q wird durch einen zusammengesetzten positiv semidefiniten Kernel K_"total" (p,q)=αK_"CNN" (p,q)+βK_"aux" (p,q)+γK_Q (p,q)+δK_"struct" (p,q)+εK_"dock" (p,q) erfasst, wobei die nicht-negativen Gewichte α,β,γ,δ,ε den relativen Beitrag jeder Modalität anpassen. Da jede Komponente des Kernels als positiv semidefinit konstruiert ist, bleibt ihre nicht-negative Linearkombination positiv semidefinit, was sicherstellt, dass K_"total" konsistent in Kernel-Logistic-Regression oder verwandten Methoden verwendet werden kann. Eine Entscheidungsfunktion kann geschrieben werden als f(p)=∑_(i=1)^M▒α_i K_"total" (p,p_i)+b, wobei {p_i } Trainingspeptide und α_i,b gelernte Koeffizienten sind. Die Immunogenitätswahrscheinlichkeit wird dann modelliert als I ̂(p)=σ(f(p)), wobei σ(z)=1/(1+e^(-z)) die logistische Funktion ist. Auf der Quantenseite wird jedes Peptid x als normalisierter Zustand ∣ψ(x)⟩ in einem Hilbertraum H der Dimension 2^n kodiert, konstruiert über eine Merkmalsabbildung U(z_Q (x),θ), die auf einen Referenzzustand ∣0⟩^(⊗n) wirkt: ∣ψ(x)⟩=U(z_Q (x),θ)" "∣0⟩^(⊗n). Die Überlappung zwischen zwei Peptidzuständen ist ⟨ψ(x)∣ψ(y)⟩. Quantengeometrische Ähnlichkeit wird durch die Fubini-Study-Distanz d_"FS" (x,y)=arccos(|⟨ψ(x)∣ψ(y)⟩|) quantifiziert, die in [0º,π/2] liegt, wobei d_"FS" =0 identischen Strahlen und d_"FS" =π/2 orthogonalen Zuständen entspricht. Aus dieser Distanz wird ein Quantenähnlichkeitskernel definiert als K_q (x,y)=〖|⟨ψ(x)∣ψ(y)⟩|〗^2=〖cos〗^2 (d_"FS" (x,y)). Dieser Kernel kann als die Wahrscheinlichkeit interpretiert werden, dass der Zustand ∣ψ(x)⟩ auf ∣ψ(y)⟩ projiziert wird. Wenn Peptide mit niedriger Sequenzidentität höherrangige physikochemische Strukturen teilen, können sie auf nahegelegene Punkte auf dieser komplexen projektiven Mannigfaltigkeit abgebildet werden, wodurch große K_q-Werte erzeugt werden, selbst wenn die klassische Sequenzähnlichkeit niedrig ist. Die interne Struktur und Verschränkung von ∣ψ(x)⟩ wird überwacht, indem reduzierte Dichtematrizen auf Subsystemen gebildet werden. Für eine Bipartition in Subsysteme A und B ist der reduzierte Zustand ρ_A (x)=Tr_B (∣ψ(x)⟩⟨ψ(x)∣). Die von-Neumann-Entropie S_A (x)=-Tr[ρ_A (x)logρ_A (x)] quantifiziert die Verschränkung zwischen A und B. Ein Regularisierungsterm fördert Entropie innerhalb eines Zielbereichs, um triviale Produktzustände (zu wenig Verschränkung) und exzessiv verschränkte Zustände zu vermeiden, die numerisch instabil und schwer auf verrauschten intermediären Quantencomputern (NISQ-Hardware) zu approximieren sein können.

Die Sensitivität der Quanteneinbettung auf Parameteränderungen wird durch die Quanten-Fisher-Informationsmatrix F(θ) mit Einträgen F_ij (θ)=R[⟨∂_i ψ∣∂_j ψ⟩-⟨∂_i ψ∣ψ⟩⟨ψ∣∂_j ψ⟩] charakterisiert, wobei ∣∂_i ψ⟩=∂∣ψ(θ)⟩/∂θ_i. Schlecht konditionierte Fisher-Matrizen mit sehr kleinen Eigenwerten können zu großen Varianzen in Parameterschätzungen und instabilen Kernelwerten führen. COLONYVAQ führt daher eine Strafe proportional zu tr(F(θ)^(-1)) ein, die divergiert, wenn Eigenwerte gegen Null gehen; die Minimierung dieses Terms lenkt die Optimierung in Parameterregionen, in denen alle Richtungen im Parameterraum gut durch die Daten informiert sind. Energetik wird thermodynamisch kalibriert behandelt. Für jede Peptid-HLA-Docking-Pose i mit Standardfreier Energie ΔG_i^⊖ sind die Mikrozustands-Assoziations- und Dissoziationskonstanten K_(a,i)=exp(º (ΔG_i^⊖)/RT),K_(d,i)=exp((ΔG_i^⊖)/RT), mit R=1.987×10^(-3) " " kcal·mol^(-1)·K^(-1) und T=310"" K, sodass RT≈0.616" " kcal·mol^(-1). Das Docking-Ensemble wird als Boltzmann-gewichtete effektive Assoziationskonstante K_a^"eff" =∑_i▒w_i exp(º-(ΔG_i^⊖)/RT),∑_i▒w_i =1 zusammengefasst, was eine effektive freie Energie ΔG_"eff" ^⊖=-RTlnK_a^"eff" und entsprechende Dissoziationskonstante K_d^"eff" =1/K_a^"eff" ergibt. Diese Werte werden in Einheiten angegeben, die Experimentatoren vertraut sind (kcal·mol⁻¹ für ΔG_"eff" ^⊖, nM für K_d^"eff" ). Wenn die Streuung der freien Energien im Ensemble σ_ΔG ist, kann die zugehörige Unsicherheit in K_d multiplikativ als exp(±σ_ΔG/(RT)) ausgedrückt werden. Zum Beispiel ändert bei T=310"" K eine Änderung von 1.2"" kcal·mol^(-1) in ΔG^⊖ K_d um einen Faktor von etwa exp(1.2/0.616)≈6.3. Ein Docking-Verlustterm L_"dock" =λ_1 E ̄+λ_2 σ_E, wobei E ̄ und σ_E der Mittelwert und die Standardabweichung der Docking-Energien sind, verzerrt das Modell hin zu Niedrigenergie-, Niedrigvarianz-Ensembles, die empirisch mit robuster Peptid-MHC-Präsentation assoziiert sind. Aufbauend auf Φ(p) und dem Kernel K_"total" trainiert COLONYVAQ einen kalibrierten logistischen Kopf I ̂(p)=σ(w^⊤ Φ(p)+b), der als die Wahrscheinlichkeit interpretiert wird, dass Peptid p von T-Zellen erkannt wird, optimiert sowohl für Diskrimination (z.B. AUC) als auch Kalibration (z.B. Brier-Score, erwarteter Kalibrationsfehler). Parallel dazu sagt ein linearer thermodynamischer Kopf (ΔG) ̂^⊖ (p)=η^⊤ Φ(p)+η_0 voraus, woraus eine vorhergesagte Dissoziationskonstante K ̂_d (p)=exp((ΔG) ̂^⊖ (p)/(RT)) abgeleitet wird. Der Gesamtverlust koppelt Vorhersage, Struktur, Docking und Quanten-Fisher-Regularisierung in ein einziges Ziel L=L_"pred" +L_"struct" +L_"dock" +L_"QFIM", mit L_"QFIM" proportional zu tr(F(θ)^(-1)).

Kandidatenpeptide durchlaufen ein Drei-Tor-"Physik + Geometrie + Immunologie"-Orakel. Erstens erfordert ein quantengeometrisches Tor, dass die Fubini-Study-Distanz zwischen ∣ψ(x)⟩ und einem Zentroid ∣ψ(P)⟩ empirisch validierter immunogener Peptide d_"FS" (ψ(x),ψ(P))≤d^"*" erfüllt. Zweitens erfordert ein thermodynamisches Tor, dass die effektive freie Energie und Dissoziationskonstante Mindestbindungsstärkekriterien erfüllen, ΔG_"eff" ^⊖ (x)≤ΔG^"*" oder äquivalent K_d^"eff" (x)≤K_d^"*" . Drittens erfordert ein Immunogenitäts-Tor, dass die kalibrierte Wahrscheinlichkeit einen Schwellenwert überschreitet, I ̂(x)≥I^"*" . Sei die Gesamtzahl der Kandidaten N, mit M Peptiden, die alle drei Filter passieren. In abstrakten Quantentermen ist eine gleichmäßige Superposition über alle Kandidaten ∣Ψ_0⟩=1/√N ∑_(j=1)^N▒〖∣j⟩〗, die in "markierte" und "unmarkierte" Unterräume zerlegt werden kann als ∣Ψ_0⟩=sinθ" "∣Ψ_"good" ⟩+cosθ" "∣Ψ_"bad" ⟩, wobei 〖sin〗^2 θ=M/N. Ein Grover-ähnlicher Amplitudenverstärkungsoperator G ist definiert als das Produkt eines Orakels O, das die Phase markierter Zustände umkehrt, und eines Diffusionsoperators D, der um ∣Ψ_0⟩ reflektiert. Nach r Iterationen wird der Zustand ∣Ψ_r⟩=G^r∣Ψ_0⟩=sin((2r+1)θ)∣Ψ_"good" ⟩+cos((2r+1)θ)∣Ψ_"bad" ⟩, und die Wahrscheinlichkeit, einen markierten Index zu messen, ist P_r=〖sin〗^2 ((2r+1)θ).

Wenn θ klein ist (wenige gute Kandidaten), ist die optimale Anzahl an Iterationen, die P_r maximiert, ungefähr r_"opt" ≈π/4 √(N/M), aber im NISQ-Regime und bei Unsicherheit in M verwendet COLONYVAQ eine kleine Anzahl von Iterationen (typischerweise eins bis drei), um zuverlässig das Gewicht markierter Peptide zu verstärken, ohne überzudrehen. In der Praxis wird dieser Grover-artige Schritt simuliert oder auf eine Weise approximiert, die mit verfügbarer Hardware kompatibel ist, und dient dazu, die GMP-Peptidsynthese auf eine kompakte, hochkonfidente Teilmenge zu fokussieren.

Innerhalb der Menge markierter Peptide werden verbleibende Gleichstände mit einem zusammengesetzten Score S(x)=αK_q (x,P)+β" " σ" " ((I ̂(x)-I^"*" )/τ_I )+γ" " σ" " ((K_d^"*" -K_d^"eff" (x))/τ_K ) aufgelöst, wobei K_q (x,P)=〖|⟨ψ(x)∣ψ(P)⟩|〗^2, τ_I und τ_K die Steilheit der Übergänge setzen und σ die logistische Funktion ist. Dieser Ausdruck macht explizit, wie Ähnlichkeit zu bekannten Positivkontrollen, modellierte Immunpotenz und vorhergesagte Bindungsstärke gemeinsam die endgültige Rangfolge bestimmen, die verwendet wird, um die COLONYVAQ-CRC-Peptidfracht für jeden Patienten zu definieren.

Rationale für Kombination mit mFOLFOX6 oder CAPOX und Nivolumab

Oxaliplatin und Fluoropyrimidine sind Standardkomponenten der adjuvanten Therapie bei Stadium-III-Darmkrebs und können immunogenen Zelltod induzieren, was die Freisetzung von Tumorantigenen und Gefahrensignalen erhöht, was wiederum die Aktivierung dendritischer Zellen und die Antigenkreuzpräsentation verstärkt. Nivolumab 3 mg/kg alle 2 Wochen blockiert PD-1 und verhindert Erschöpfung und funktionelle Suppression von impfstoffinduzierten und chemotherapiefreigesetzten tumorspezifischen T-Zellen. Die quantenklassische COLONYVAQ-CRC-Engine soll die Qualität der Neo-Antigen-Ziele maximieren; immunogene Chemotherapie erhöht die Antigenverfügbarkeit; und PD-1-Blockade erhält die T-Zell-Effektorfunktion aufrecht. Die frühe Phase-I-Studie wird die Sicherheit und Machbarkeit dieser Dreikomponentenstrategie im adjuvanten MRD-Setting testen und vorläufige Immun- und molekulare Ansprechdaten generieren.