COLONYVAQ™, un vaccino personalizzato per neoantigeni guidato da calcolo quantistico-classico per il carcinoma del colon-retto MSS in stadio III (COLONYVAQ™-CRC)

Il cancro colorettale è una delle principali cause di mortalità correlata al cancro. Nella malattia in stadio III, le recidive rimangono frequenti nonostante la chirurgia con intento curativo e la chemioterapia adiuvante a base di oxaliplatino. Gli inibitori dei checkpoint immunitari hanno trasformato gli esiti nel cancro colorettale con deficit di riparazione degli errori di appaiamento / instabilità dei microsatelliti elevata, ma i tumori stabili per i microsatelliti / pMMR tipicamente presentano un basso carico mutazionale tumorale e un microambiente immunosoppressivo scarsamente infiammato. Di conseguenza, il blocco convenzionale del PD-1 da solo fornisce un beneficio minimo nella malattia MSS/pMMR. Gli approcci vaccinali precedenti nel cancro colorettale si sono concentrati su antigeni associati al tumore come CEA, MUC1, survivina, MAGE e cocktail di peptidi multi-TAA. Questi studi hanno mostrato che i vaccini a base di peptidi e cellule dendritiche possono indurre risposte dei linfociti T e B specifiche per l'antigene, ma le risposte obiettive erano rare, il beneficio clinico era modesto e le tossicità extra-tumorali erano una preoccupazione perché i TAA sono frequentemente espressi nei tessuti normali. I neoantigeni tumorali specifici, generati da mutazioni somatiche non sinonime, sono al contrario limitati alle cellule maligne, sfuggono alla tolleranza centrale, possono suscitare risposte dei linfociti T ad alta avidità e minimizzare la tossicità extra-tumorale. I primi studi sui neoantigeni nel cancro colorettale e pan-tumorali, così come i programmi di neoantigeni condivisi come SLATE-KRAS e piattaforme di RNA virale completamente personalizzate come GRANITE, hanno dimostrato che la vaccinazione multi-neoantigene è fattibile, sicura e immunogenica, specialmente in contesti di basso carico o di mantenimento e quando combinata con il blocco dei checkpoint. Lo studio del vaccino adiuvante a cellule dendritiche con neoantigeni più nivolumab nel carcinoma epatocellulare resecato e nelle metastasi epatiche da cancro colorettale supporta ulteriormente l'idea che la vaccinazione personalizzata con neoantigeni nel contesto della malattia residua minima (MRD) possa potenziare le risposte dei linfociti T specifici per i neoantigeni e potenzialmente migliorare la sopravvivenza libera da recidiva. I regimi a base di oxaliplatino (mFOLFOX6 o CAPOX) possono indurre morte cellulare immunogenica, esponendo la calreticolina e altri segnali di pericolo che migliorano la captazione da parte delle cellule dendritiche e la cross-presentazione degli antigeni tumorali. Il nivolumab, bloccando il PD-1, allevia la segnalazione inibitoria sui linfociti T attivati. Combinare un vaccino peptidico multi-neoantigene personalizzato con chemioterapia immunogenica e blocco del PD-1 è quindi previsto aumentare il rilascio di antigeni, migliorare la presentazione dell'antigene e potenziare la funzione effettrici, convertendo potenzialmente i tumori MSS immunologicamente "freddi" in lesioni più infiammate, "calde", suscettibili a una sorveglianza immunitaria duratura nel contesto adiuvante.

COLONYVAQ-CRC: Prioritizzazione dei Neoantigeni Quantistico-Classica, Consapevole della Fisica La maggior parte delle pipeline esistenti per i neoantigeni tratta la classificazione degli epitopi principalmente come statistica. COLONYVAQ-CRC introduce uno strato di intelligenza artificiale quantistico-classica, consapevole della fisica, adattato da Tamavaq, per generare una catena meccanicistica verificabile dal sequenziamento alla selezione clinica dei peptidi. Per ogni coppia peptide-HLA candidata p, il sistema costruisce una rappresentazione unificata delle caratteristiche Φ(p), che concatena evidenze basate sulla sequenza, biologiche, quantistiche, strutturali ed energetiche: Φ(p)=[e_"CNN" (p), aux(p), z_Q (p), φ_"struct" (p), φ_"dock" (p)]. Il termine e_"CNN" (p) denota un embedding profondo di sequenza/HLA derivato da modelli convoluzionali o transformer addestrati su grandi set di dati di immunopeptidoma. Il blocco ausiliario aux(p) compila precedenti di processamento e espressione dell'antigene come la probabilità di scissione proteasomiale, la propensità al trasporto TAP, l'abbondanza trascrizionale, la clonalità e, quando disponibile, informazioni ctDNA/MRD per approssimare la forza effettiva della fonte antigenica. Il descrittore quantistico z_Q (p) è un vettore classico a bassa dimensionalità che parametrizza un embedding di circuito quantistico. Il termine strutturale φ_"struct" (p) riassume l'occupazione della tasca e i contatti residuo-residuo nei complessi peptide-HLA modellati. Infine, φ_"dock" (p) aggrega statistiche dell'insieme di docking inclusa le energie delle pose, la dispersione e la diversità conformazionale.

La somiglianza tra due candidati p e q è catturata da un kernel composito semidefinito positivo K_"total" (p,q)=αK_"CNN" (p,q)+βK_"aux" (p,q)+γK_Q (p,q)+δK_"struct" (p,q)+εK_"dock" (p,q), dove i pesi non negativi α,β,γ,δ,ε aggiustano il contributo relativo di ciascuna modalità. Poiché ogni kernel componente è costruito per essere semidefinito positivo, la loro combinazione lineare non negativa rimane semidefinita positiva, assicurando che K_"total" possa essere usato in modo coerente nella regressione logistica kernel o metodi correlati. Una funzione decisionale può essere scritta come f(p)=∑_(i=1)^M α_i K_"total" (p,p_i)+b, dove {p_i} sono peptidi di addestramento e α_i,b sono coefficienti appresi. La probabilità di immunogenicità è quindi modellata come Î(p)=σ(f(p)), dove σ(z)=1/(1+e^(-z)) è la funzione logistica. Sul lato quantistico, ogni peptide x è codificato come uno stato normalizzato |ψ(x)⟩ in uno spazio di Hilbert H di dimensione 2^n, costruito tramite una mappa delle caratteristiche U(z_Q (x),θ) che agisce su uno stato di riferimento |0⟩^(⊗n): |ψ(x)⟩=U(z_Q (x),θ) |0⟩^(⊗n). La sovrapposizione tra due stati peptidici è ⟨ψ(x)|ψ(y)⟩. La somiglianza geometrica-quantistica è quantificata dalla distanza di Fubini-Study d_"FS" (x,y)=arccos(|⟨ψ(x)|ψ(y)⟩|), che giace in [0, π/2], dove d_"FS" =0 corrisponde a raggi identici e d_"FS" =π/2 a stati ortogonali. Da questa distanza, un kernel di somiglianza quantistica è definito come K_q (x,y)=|⟨ψ(x)|ψ(y)⟩|^2=cos^2 (d_"FS" (x,y)). Questo kernel può essere interpretato come la probabilità che lo stato |ψ(x)⟩ sia proiettato su |ψ(y)⟩. Quando peptidi a bassa identità di sequenza condividono una struttura fisico-chimica di ordine superiore, possono mapparsi a punti vicini su questa varietà proiettiva complessa, generando grandi valori K_q anche quando la somiglianza di sequenza classica è bassa. La struttura interna e l'entanglement di |ψ(x)⟩ sono monitorati formando matrici di densità ridotta sui sottosistemi. Per una bipartizione in sottosistemi A e B, lo stato ridotto è ρ_A (x)=Tr_B (|ψ(x)⟩⟨ψ(x)|). L'entropia di von Neumann S_A (x)=-Tr[ρ_A (x)log ρ_A (x)] quantifica l'entanglement tra A e B. Un termine di regolarizzazione incoraggia l'entropia entro un intervallo target, evitando stati prodotto banali (troppo poco entanglement) e stati eccessivamente entangled che possono essere numericamente instabili e difficili da approssimare su hardware quantistico di scala intermedia rumorosa (NISQ).

La sensibilità dell'embedding quantistico ai cambiamenti dei parametri è caratterizzata dalla matrice di informazione di Fisher quantistica F(θ) con elementi F_ij (θ)=R[⟨∂_i ψ|∂_j ψ⟩-⟨∂_i ψ|ψ⟩⟨ψ|∂_j ψ⟩], dove |∂_i ψ⟩=∂|ψ(θ)⟩/∂θ_i. Matrici di Fisher mal condizionate, con autovalori molto piccoli, possono portare a grandi varianze nelle stime dei parametri e valori kernel instabili. COLONYVAQ quindi introduce una penalità proporzionale a tr(F(θ)^(-1)), che diverge quando gli autovalori si avvicinano a zero; minimizzare questo termine spinge l'ottimizzazione verso regioni di parametri dove tutte le direzioni nello spazio dei parametri sono ben informate dai dati. L'energetica è trattata in modo termodinamicamente calibrato. Per ogni posa di docking peptide-HLA i con energia libera standard ΔG_i^⊖, le costanti di associazione e dissociazione dei microstati sono K_(a,i)=exp( - (ΔG_i^⊖)/RT), K_(d,i)=exp((ΔG_i^⊖)/RT), con R=1.987×10^(-3) kcal·mol^(-1)·K^(-1) e T=310 K, tale che RT≈0.616 kcal·mol^(-1). L'insieme di docking è riassunto come una costante di associazione effettiva pesata Boltzmann K_a^"eff" =∑_i w_i exp(-(ΔG_i^⊖)/RT), ∑_i w_i =1, producendo un'energia libera effettiva ΔG_"eff" ^⊖=-RT ln K_a^"eff" e una corrispondente costante di dissociazione K_d^"eff" =1/K_a^"eff". Questi valori sono riportati in unità familiari agli sperimentatori (kcal·mol⁻¹ per ΔG_"eff" ^⊖, nM per K_d^"eff"). Se la diffusione delle energie libere nell'insieme è σ_ΔG, allora l'incertezza associata in K_d può essere espressa moltiplicativamente come exp(±σ_ΔG/(RT)). Ad esempio, a T=310 K, un cambiamento di 1.2 kcal·mol^(-1) in ΔG^⊖ cambia K_d di un fattore di circa exp(1.2/0.616)≈6.3. Un termine di perdita di docking L_"dock" =λ_1 Ē+λ_2 σ_E, dove Ē e σ_E sono la media e la deviazione standard delle energie di docking, orienta il modello verso insiemi a bassa energia e bassa varianza che sono empiricamente associati a una robusta presentazione peptide-MHC. Oltre a Φ(p) e il kernel K_"total", COLONYVAQ addestra una testa logistica calibrata Î(p)=σ(w^⊤ Φ(p)+b), che è interpretata come la probabilità che il peptide p sia riconosciuto dai linfociti T, ottimizzata sia per la discriminazione (ad esempio AUC) che per la calibrazione (ad esempio punteggio di Brier, errore di calibrazione atteso). In parallelo, una testa termodinamica lineare predice (ΔG)̂^⊖ (p)=η^⊤ Φ(p)+η_0, da cui è derivata una costante di dissociazione predetta K̂_d (p)=exp((ΔG)̂^⊖ (p)/(RT)). La perdita totale accoppia predizione, struttura, docking e regolarizzazione Fisher quantistica in un unico obiettivo L=L_"pred" +L_"struct" +L_"dock" +L_"QFIM", con L_"QFIM" proporzionale a tr(F(θ)^(-1)).

I peptidi candidati sono passati attraverso un oracolo a tre porte "fisica + geometria + immunologia". Primo, una porta quantistico-geometrica richiede che la distanza di Fubini-Study tra |ψ(x)⟩ e un centroide |ψ(P)⟩ di peptidi immunogenici validati empiricamente soddisfi d_"FS" (ψ(x),ψ(P))≤d^*. Secondo, una porta termodinamica richiede che l'energia libera effettiva e la costante di dissociazione soddisfino criteri minimi di forza di legame, ΔG_"eff" ^⊖ (x)≤ΔG^* o equivalentemente K_d^"eff" (x)≤K_d^*. Terzo, una porta di immunogenicità richiede che la probabilità calibrata superi una soglia, Î(x)≥I^*. Sia il numero totale di candidati N, con M peptidi che superano tutti e tre i filtri. In termini quantistici astratti, una sovrapposizione uniforme su tutti i candidati è |Ψ_0⟩=1/√N ∑_(j=1)^N |j⟩, che può essere decomposta in sottospazi "marcati" e "non marcati" come |Ψ_0⟩=sin θ |Ψ_"good" ⟩+cos θ |Ψ_"bad" ⟩, dove sin^2 θ=M/N. Un operatore di amplificazione dell'ampiezza simile a Grover G è definito come il prodotto di un oracolo O che inverte la fase degli stati marcati e un operatore di diffusione D che riflette su |Ψ_0⟩. Dopo r iterazioni, lo stato diventa |Ψ_r⟩=G^r|Ψ_0⟩=sin((2r+1)θ)|Ψ_"good" ⟩+cos((2r+1)θ)|Ψ_"bad" ⟩, e la probabilità di misurare un indice marcato è P_r=sin^2 ((2r+1)θ).

Quando θ è piccolo (pochi candidati buoni), il numero ottimale di iterazioni che massimizza P_r è approssimativamente r_"opt" ≈π/4 √(N/M), ma nel regime NISQ e in presenza di incertezza in M, COLONYVAQ usa un piccolo numero di iterazioni (tipicamente da una a tre) per amplificare in modo affidabile il peso dei peptidi marcati senza sovrarotazione. In pratica, questo passo in stile Grover è simulato o approssimato in modo compatibile con l'hardware disponibile e serve a focalizzare la sintesi GMP dei peptidi su un sottoinsieme compatto e ad alta confidenza.

All'interno dell'insieme dei peptidi marcati, i pareggi residui sono risolti usando un punteggio composito S(x)=αK_q (x,P)+β σ((Î(x)-I^*)/τ_I)+γ σ((K_d^*-K_d^"eff" (x))/τ_K), dove K_q (x,P)=|⟨ψ(x)|ψ(P)⟩|^2, τ_I e τ_K impostano la ripidezza delle transizioni, e σ è la funzione logistica. Questa espressione rende esplicito come la somiglianza ai controlli positivi noti, la potenza immunitaria modellata e la forza di legame predetta determinano congiuntamente la classifica finale usata per definire il carico peptidico COLONYVAQ-CRC per ogni paziente.

Razionale per la Combinazione con mFOLFOX6 o CAPOX e Nivolumab

L'oxaliplatino e le fluoropirimidine sono componenti standard della terapia adiuvante nel cancro colorettale in stadio III e possono indurre morte cellulare immunogenica, aumentando il rilascio di antigeni tumorali e segnali di pericolo, che a loro volta migliorano l'attivazione delle cellule dendritiche e la cross-presentazione dell'antigene. Nivolumab 3 mg/kg ogni 2 settimane blocca il PD-1, prevenendo l'esaurimento e la soppressione funzionale dei linfociti T tumorali specifici indotti dal vaccino e rilasciati dalla chemioterapia. Il motore quantistico-classico COLONYVAQ-CRC è inteso a massimizzare la qualità dei bersagli neoantigenici; la chemioterapia immunogenica aumenta la disponibilità dell'antigene; e il blocco del PD-1 sostiene la funzione effettrici dei linfociti T. Lo studio di fase I iniziale testerà la sicurezza e la fattibilità di questa strategia a tre componenti nel contesto adiuvante MRD e genererà dati preliminari di risposta immunitaria e molecolare.