GYNORYLAQ™-VLINIVAL™: 양자 얽힘 |Ψ⟩-유도 개인 맞춤형 신항원 펩타이드 백신 접종을 이용한 고위험 자궁내막암 치료 (GYNORYLAQ™)

임상 배경

자궁내막암은 선진 지역에서 가장 흔한 부인과 악성 종양입니다. 많은 조기 종양이 수술 ± 방사선 치료로 완치되지만, 고위험, 재발성 또는 전이성 질환을 가진 환자들은 표준 치료 후 빈번히 재발을 경험하며 지속적인 치료 옵션이 제한적입니다. 특히 불량한 예후가 관찰되는 경우:

복사본 수가 높은/p53 돌연변이 및 장액성 조직학적 pMMR 종양으로 "차가운" 미세환경과 제한된 면역치료 반응을 보입니다. MMRd/MSI-H 종양은 초기에 PD-1 차단에 반응하지만 종종 최종적으로 진행됩니다. 이러한 분자 아형들에서 종양은 점 돌연변이, 인델, 코딩 마이크로위성에서의 프레임시프트, 융합 및 접합 변이로부터 환자 특이적 신항원을 생성합니다. 이러한 돌연변이 펩타이드는 처리되어 HLA 클래스 I 및 II 분자에 제시될 수 있으며, 여기서 T 세포에 의해 "비자기"로 인식될 수 있습니다. 이는 맞춤형 신항원 백신 접종을 위한 생물학적으로 설득력 있는 표적 공간을 제공합니다.

그러나 기존의 신항원 파이프라인은 대부분 서열 기반이며, 결합 예측자와 경험적 점수에 의존하며, 구조 정보, 에너지학 또는 명시적 불확실성 정량화의 사용이 제한적입니다. 임상적으로 많은 백신 시험은 실제 임상 종양학 실무의 이질성을 반영하지 않는 고정된 화학요법 또는 체크포인트 요법과 신항원 구성을 결합했습니다.

GYNORYLAQ-VLINIVAL은 두 가지 문제를 해결하도록 설계되었습니다. 이것은 물리학을 인지하는 양자-고전적 계산 백신 플랫폼(GYNORYLAQ-EC™)을 개별화된 임상 종양학 실무와 통합합니다:

모든 등록 환자는 GYNORYLAQ-EC가 선택한 맞춤형 신항원 펩타이드 백신(GYNORYLAQ-TM)을 받습니다.

전신 및 보조 약물 치료는 프로토콜에 의해 고정되지 않습니다. 대신, 치료 담당 종양내과 의사 Emmanouelides Christos 박사가 종양 병기, 이전 치료, 장기 기능, 동반 질환, 내약성 및 현대 지침에 따라 선택, 시작 및 조정합니다.

따라서 이 연구는 단일 의무적 기반 요법이 아닌 개별화된 최적의 치료 위에 계층화된 현실적인 다중 모드 상황에서 GYNORYLAQ-TM을 평가합니다. 모든 동시 항종양 및 보조제는 기록되지만 프로토콜에 의해 규정되지 않습니다.

GYNORYLAQ-EC™ 양자-고전적 백신학

GYNORYLAQ-EC™는 유전체 및 전사체 데이터를 양자 얽힌 설계 상태로, 그리고 궁극적으로 제조 가능한 환자 특이적 펩타이드 패널로 매핑하는 계산 코어입니다. 이것은 다음 체인을 명시적이고 감사 가능하게 만듭니다:

서열 → 기하학 → 구조 → 에너지 → 결정

1. 힐베르트 공간과 글로벌 설계 상태

   엔진은 세 가지 힐베르트 공간 측면에서 형식화됩니다:

   서열 공간 H_"seq" 기저: {|p_i⟩}, 여기서 각 기저 벡터는 후보 신항원 펩타이드(일반적으로 8-11머 클래스 I 및 클래스 II/교차 제시를 위한 더 긴 펩타이드)에 해당합니다.

   HLA 공간 H_"HLA" 기저: {|HLA_α⟩}, 환자의 특정 클래스 I 및 II 대립유전자를 나타냅니다.

   면역/종양 공간 H_"immune" 기저: {|TCR_β⟩⊗|tumour_state_k⟩}, 추상적 TCR 레퍼토리와 대략적인 종양 상태(예: 부담, 클론성, 면역 침윤)를 포착합니다.

   전체 힐베르트 공간은:

   H=H_"seq" ⊗H_"HLA" ⊗H_"immune" .

   형식적 설계 시간 상태 |Ψ_s⟩∈H는 계산 블록(열거, 점수 매기기, 게이팅, 증폭)을 통해 최종 설계 상태 |Ψ_T⟩로 진화하며, 그 "지지"는 임상 제조를 위해 선택된 펩타이드에 해당합니다.

2. 초기 중첩 및 그로버 스타일 얽힘 검색 종양 및 정상 대조 시퀀싱에서 파이프라인은 높은 신뢰도의 체세포 변이에서 유래하고 제시를 위해 적절히 측면이 처리된 후보 펩타이드 집합 {p_i }_(i=1)^N을 열거합니다. 각 후보는 하나 이상의 환자 HLA와 연관됩니다.

   이상화된 양자 그림에서 엔진은 서열 공간에서 후보들에 대한 동등한 중첩을 구성합니다:

   |Φ_start⟩=1/√N ∑_(i=1)^N| p_i⟩.

   각 펩타이드-HLA 쌍 p는 또한 n-큐비트 힐베르트 공간에서 정규화된 양자 상태로 임베딩됩니다:

   |ψ(p)⟩=U(z_Q (p),θ) |0⟩^(⊗n),

   여기서: U(·)는 매개변수화된 특징 맵(고정 얽힘기를 가진 데이터 재업로드 회로)이고, z_Q (p)는 저차원 고전적 양자 기술자이며, θ는 학습 가능한 매개변수의 벡터입니다.

   두 후보 p와 q 사이의 양자 커널과 푸비니-스터디 거리는:

   K_Q (p,q)=|⟨ψ(p)|ψ(q)⟩|^2, d_"FS" (p,q)=arccos(|⟨ψ(p)|ψ(q)⟩|)∈[0,π/2].

   d_"FS" =0은 동일한 광선에 해당하고, d_"FS" =π/2는 직교 상태에 해당합니다. K_Q는 |ψ(p)⟩가 |ψ(q)⟩에 투영될 확률로 해석될 수 있습니다. 낮은 서열 동일성을 가지지만 유사한 고차 물리화학적 구조를 가진 펩타이드는 이 다양체에서 가까이 매핑될 수 있으며, 고전적 유사성이 낮을 때도 큰 K_Q를 생성할 수 있습니다.

   그로버 스타일 검색을 구현하기 위해 엔진은 다음을 만족하는 표시 술어 f(i)를 정의합니다:

   f(i)=1 펩타이드 p_i가 세 가지 일치 게이트를 통과하는 경우: 기하학: 실험적으로 검증된 에피토프 집합에 대한 d_"FS"가 미리 정의된 창 내에 있습니다.

   열역학: ΔG° 및 K_d^"eff"를 통해 예측된 결합 친화도가 미리 지정된 임계값을 초과합니다.

   면역원성: 보정된 확률 I ̂(p_i)가 최소값 이상입니다.

   서열 공간에 작용하는 위상 오라클은:

   O ̂_"mark" |p_i⟩=(-1)^(f(i))|p_i⟩.

   초기 중첩의 평균에 대한 반사 확산 연산자, D=2|Φ_start⟩⟨Φ_start| -I,

   가 오라클과 결합되어 그로버 반복을 형성합니다: G=D O ̂_"mark" .

   r 반복 후,

   |Φ_r⟩=G^r|Φ_start⟩=sin((2r+1)θ) |"good"⟩+cos((2r+1)θ) |"bad"⟩,

   여기서 sin^2 θ=M/N이고 M은 표시된 펩타이드의 (알려지지 않은) 수입니다. GYNORYLAQ-EC™는 의도적으로 작은 r(일반적으로 1-3)을 사용하여 유망한 펩타이드의 얕고 해석 가능한 진폭 증폭을 생성하며, M의 불확실성과 NISQ 시대 노이즈에 강건합니다.

3. 통합 특징 표현 및 복합 커널

   각 후보 펩타이드-HLA 쌍 p에 대해 GYNORYLAQ-EC™는 통합 특징 벡터를 구성합니다:

   Φ(p)=[e_"CNN" (p), aux(p), z_Q (p), φ_"struct" (p), φ_"dock" (p)].

   구성 요소:

   심층 서열/HLA 임베딩 e_"CNN" (p) 대립유전자 특이적 결합 모티프와 서열 문맥을 포착하는 대규모 면역펩티돔 데이터셋에 훈련된 합성곱 또는 트랜스포머 모델에서 유래합니다.

   보조 생물학적 사전 정보 aux(p) 프로테아솜 절단 가능성, TAP 수송 성향, 전사체 발현(TPM/FPKM), 대립유전자 복사 수, 클론성(클론적 대 하위클론적 변이), 그리고 가능한 경우 ctDNA/MRD 판독값. 이것은 효과적 항원 원천 강도를 근사합니다.

   양자 기술자 z_Q (p) 양자 회로를 매개변수화하는 저차원 고전적 특징 벡터. 이것은 양자 표현성을 위해 최적화된 물리화학적 및 위치 정보를 압축합니다.

   구조 항 φ_"struct" (p) 예측되거나 모델링된 펩타이드-HLA 복합체에서 포켓 점유, 펩타이드-HLA 접촉 패턴, 용매 접근성 및 국부 변형을 요약합니다.

   도킹 앙상블 특징 φ_"dock" (p) 포즈 에너지, 도킹 점수의 평균 및 분산, 포즈 간 RMSD, 그리고 구조 다양성 측정을 집계합니다.

   펩타이드-HLA 후보 p와 q 사이의 유사성은 복합 양반정부호 커널에 인코딩됩니다:

   K_"total" (p,q)=αK_"CNN" (p,q)+βK_"aux" (p,q)+γK_Q (p,q)+δK_"struct" (p,q)+εK_"dock" (p,q),

   여기서: K_"CNN" ,K_"aux" ,K_"struct" ,K_"dock" 는 각각의 특징 블록에 대한 PSD 커널이고, K_Q는 위에서 설명한 양자 커널이며, α,β,γ,δ,ε≥0는 각 양식의 상대적 가중치를 조정합니다. 각 구성 요소 커널이 PSD이므로, 음이 아닌 선형 결합은 PSD이며, 이는 K_"total" 이 커널 로지스틱 회귀 또는 관련 방법에 적합하도록 보장합니다.

   결정 함수는:

   f(p)=∑_(i=1)^M α_i K_"total" (p,p_i)+b,

   여기서 {p_i }는 훈련 펩타이드이고 {α_i,b}는 학습된 계수입니다. 면역원성 확률은 I ̂(p)=σ(f(p))=1/(1+e^(-f(p)) ),

   그런 다음 보정되어(예: 플랫 스케일링, 등장성 회귀 또는 온도 스케일링) 예측된 확률이 관찰된 빈도에 최대한 가깝게 일치하도록 합니다. 이 보정된 I ̂(p)는 면역원성 게이트와 다운스트림 분석에서 사용됩니다.

4. 양자 기하학, 얽힘 및 정규화 유사성 외에도 GYNORYLAQ-EC™는 양자 상태 |ψ(p)⟩의 내부 구조와 얽힘을 모니터링합니다. n-큐비트 시스템을 부분계 A와 B로 이분할할 때, A에 대한 축소 밀도 행렬은 ρ_A (p)=Tr_B (|ψ(p)⟩⟨ψ(p)|),

   그리고 폰 노이만 얽힘 엔트로피는 S_A (p)=-Tr[ρ_A (p)log ρ_A (p)]입니다.

   훈련 목적의 정규화 항은 목표 범위 내의 엔트로피 값을 장려하며 다음을 피합니다:

   제한된 표현력을 가진 사소한 곱 상태(S_A≈0), 그리고 과도하게 얽힌 높은 엔트로피 상태로 노이즈 하드웨어에서 수치적으로 불안정하고 근사하기 어려울 수 있습니다.

   양자 피셔 정보 행렬 F(θ)는 인코딩된 상태의 매개변수 변화에 대한 민감도를 특성화합니다. 그 항목들은 F_ij (θ)=Re[⟨∂_i ψ|∂_j ψ⟩-⟨∂_i ψ|ψ⟩ ⟨ψ|∂_j ψ⟩],

   여기서 |∂_i ψ⟩=∂|ψ(θ)⟩/∂θ_i입니다. 조건이 나쁜 피셔 행렬(매우 작은 고유값을 가짐)은 불안정한 매개변수 추정과 커널 값을 의미합니다. 조건이 나쁜 F(θ)를 페널라이징하면 조건이 좋은 임베딩과 더 강건한 최적화를 촉진합니다.

5. 열역학적 다리

   펩타이드-HLA 결합 에너지학은 구조 도킹 앙상블에서 추정된 다음 표준 열역학량으로 변환됩니다. 각 펩타이드-HLA 쌍에 대해 도킹은 자유 에너지 ΔG_i° (kcal·mol⁻¹)를 가진 미시 상태 집합을 산출합니다. 표준 결합 자유 에너지와 해리 상수 사이의 관계는:

   ΔG°=RTln K_d,

   여기서: R=1.987×10^(-3) kcal·mol⁻¹·K⁻¹, T=310 K (37 °C), 따라서 RT≈0.616 kcal·mol⁻¹.

   앙상블에서 유효 결합 상수가 계산됩니다:

   K_a^"eff" =∑_i w_i exp (-(ΔG_i°)/RT),K_d^"eff" =1/(K_a^"eff" ),ΔG_"eff" °=-RTln K_a^"eff" ,

   여기서 w_i는 정규화된 가중치입니다. ΔG_i°의 불확실성(예: 포즈 간 분산)은 전파되어 K_d^"eff" (일반적으로 nM로 보고됨)에 대한 불확실성 대역을 산출합니다. ΔG_"eff" ° 및 K_d^"eff" 에 대한 미리 지정된 임계값은 단위 일관성 결합 게이트를 정의하여 보유된 펩타이드가 생리적 조건에서 충분한 친화도로 결합할 것으로 예측되도록 보장합니다.

6. 면역원성 및 이익-위험 기능

   보정된 분류기는 각 펩타이드-HLA 쌍에 대한 T 세포 인식 확률 I(p)를 출력합니다. 개념적으로 GYNORYLAQ-EC™는 또한 이익-위험 연산자를 정의합니다:

   O ̂=O ̂_"benefit" -λO ̂_"risk" ,

   H_"immune" ⊗H_"tumour" 에서, 여기서: O ̂_"benefit" 는 백신 일치 효과기/기억 TCR 구성의 높은 빈도와 낮은 종양 부담을 가진 상태를 보상합니다.

   O ̂_"risk" 는 과도한 전신 펩타이드 노출, 중요한 자기 단백질에 대한 오프-표적 유사성 또는 지나치게 광범위한 활성화와 연관된 상태에 페널티를 부과합니다.

   명목상 진화 연산자 U_"tot" (θ)에 대해,

   |Ψ_T (θ)⟩=U_"tot" (θ)|Ψ_0⟩,J(θ)=⟨Ψ_T (θ)|O ̂|Ψ_T (θ)⟩.

   실제로 이 표현은 다중 목표 최적화를 요약합니다: 최종 GYNORYLAQ-TM 패널은 제조, 안전성 및 패널 크기 제약을 따르면서 높은 J(θ) 부분집합을 근사하도록 선택됩니다.

7. 임상 출력: GYNORYLAQ-TM 패널

기하학, 열역학 및 면역원성 게이트를 통과하고 얕은 그로버 스타일 증폭을 거친 후, 후보 펩타이드는 고전적 제조 가능성 및 안전성 필터를 통해 추가로 스크리닝됩니다:

합성 가능성 및 용해도. 고도로 문제적인 모티프(예: 제형을 손상시키는 극단적 소수성 또는 다염기성 영역) 회피.

전체 프로테옴 스캔으로 중요한 인간 단백질에서의 근접 자기 일치, 위험한 교차 반응성 위험이 있는 펩타이드의 엄격한 분류.

이것은 일반적으로 약 10-20개의 펩타이드로 구성된 환자 특이적 GYNORYLAQ-TM 패널을 산출합니다:

주요 HLA 대립유전자를 포괄하는 여러 8-11머 클래스 I 에피토프, 그리고 클래스 II 제시와 강력한 CD4⁺ T 세포 도움을 지원하는 선택된 더 긴 펩타이드(예: 15-35머).

선택된 모든 펩타이드는 GMP 하에 합성되어 피하 또는 피내 투여를 위해 제형화됩니다.

연구용 제품 및 동시 약물 사용 연구용 제품 이름: GYNORYLAQ-TM 맞춤형 신항원 펩타이드 백신 유형: 생물학적(합성 펩타이드 혼합물) 구성: GYNORYLAQ-EC가 선택한 신항원 펩타이드(짧은 클래스 I 및 더 긴 도움 펩타이드)의 환자 특이적 집합.

투여 경로: 피하 또는 피내 주사. 계획된 초기 I상 백신 접종 일정(비무작위) 프라이밍 단계: 대략 0, 2, 4, 8주차. 부스터 단계(선택 사항): 금기 독성이 없고 임상적 이점을 얻는 것으로 보이는 환자에서 Emmanouelides Christos 박사의 재량과 프로토콜 정의 기준에 따라 6개월 및 12개월 경 추가 투여.

정확한 타이밍과 투여 횟수는 이 초기 단계 40명 환자 코호트에서 나타나는 안전성 및 면역원성 데이터를 기반으로 정제될 수 있습니다.

동시 약물 및 임상 관리

GYNORYLAQ-VLINIVAL의 핵심 설계 원칙은 전신 항종양 및 보조 치료가 프로토콜 의무적이 아닌 개별화된다는 것입니다:

전신 약물 치료에 대한 모든 결정은 치료 담당 종양내과 의사 Emmanouelides Christos 박사가 내립니다.

예시는 다음을 포함하지만 이에 국한되지 않습니다:

세포독성 화학요법(예: 백금 기반 요법, 리포솜 안트라사이클린).

호르몬 요법(예: 프로게스틴, 방향화효소 억제제) 적절한 경우. 표적 약제(예: mTOR 억제제, TKI) 종양 생물학 및 지침에 따라 적응증에 맞게.

다른 면역조절제 임상적으로 정당화되고 프로토콜에 의해 허용되는 경우.

보조 치료 약물(항구토제, 진통제, 항응고제, 성장 인자, 동반 질환 관리 등)도 유사하게 개별화됩니다.

이러한 약제는 비연구적 배경 치료로 간주됩니다. 프로토콜은:

특정 약물 요법을 처방하거나 우선순위를 두지 않습니다. 동시 치료에 대한 상세한 문서화(약물 이름, 용량, 일정, 수정 및 변경 이유)를 요구합니다.

표준 안전성 제약만 부과합니다(예: 주요 면역 모니터링 기간 동안 고용량 전신 스테로이드 제한, 특정 세포독성제 또는 생물학적 제제에 대한 최소 세척 기간, 면역원성 평가를 무효화할 수 있는 강력한 면역억제 요법 배제).

이 설계는:

임상 자율성을 보존하여 Emmanouelides Christos 박사가 각 환자를 최신 최선의 실무에 따라 치료할 수 있게 합니다.

GYNORYLAQ-TM이 좁은 요법이 아닌 임상 종양학 실무를 반영하는 실제 다중 모드 설정에서 평가되도록 보장합니다.

다른 배경 치료 클래스(예: 강력한 화학요법 대 내분비 유지 대 최소 전신 치료)가 백신 유도 면역 반응과 임상 결과에 어떻게 영향을 미칠 수 있는지에 대한 탐색적 분석을 가능하게 합니다.

요약하면, GYNORYLAQ-VLINIVAL은 GYNORYLAQ-TM을 단일 연구용 제품으로 취급하여 Emmanouelides Christos 박사가 선택하고 처방하는 개별화된 배경 치료 위에 계층화합니다. 계산 파이프라인 GYNORYLAQ-EC™는 완전히 감사 가능하고 양자 정보를 포함하며 물리학을 인지하는 펩타이드 선택 메커니즘을 제공하는 반면, 시험 구조는 고위험 자궁내막암에 대한 일상적 치료 조건과 밀접하게 유사한 조건에서 실행 가능성, 안전성 및 면역학적 활성을 평가합니다.