1. 领域背景与文献
文献英文标题：Correction: Repurposing public sarcoma multi-omics for neoantigen discovery；
发表期刊：Cancer Immunology, Immunotherapy；影响因子：未公开；研究领域：肿瘤免疫学、肉瘤精准治疗
领域共识：肉瘤是一类起源于间叶组织的罕见恶性肿瘤，临床治疗手段有限，传统放化疗疗效不佳，免疫治疗的兴起为其带来新的治疗方向，而特异性新抗原的识别与呈递是免疫治疗成功的核心前提。领域发展关键节点方面，2010年以后肿瘤新抗原的概念逐步体系化，2015年以来多组学技术的融合应用推动了新抗原预测的发展，2020年起公共组学数据库的重利用成为降低新抗原研究成本、扩大样本覆盖的重要策略。当前研究热点集中于基于多组学数据的新抗原筛选模型构建、个性化肿瘤疫苗的研发，而未解决的核心问题包括legacy测序数据的技术限制导致新抗原筛选假阳性率偏高，缺乏同时整合主要组织相容性复合体（MHC）结合亲和力、表达水平、突变类型的多维度优先级评估体系。本次勘误针对原文献中关键结果图的可视化错误进行修正，确保新抗原景观的呈现准确，为领域内的新抗原筛选研究提供可靠的可视化参考。
2. 文献综述解析
本次提供的内容为原研究的勘误文件，未包含原文献的“文献综述”章节内容，因此无法提炼作者对领域内现有研究的分类维度、关键结论及局限性，仅能明确勘误的核心是修正原文献中关键结果图（新抗原景观图）的颜色标注及说明，确保新抗原候选物的突变类型分类可视化准确，为后续基于多维度特征的新抗原筛选研究提供精准的参考依据。
3. 研究思路总结与详细解析
原研究的核心目标是重利用公共肉瘤多组学数据，构建结合主要组织相容性复合体（MHC）结合亲和力、表达水平、突变类型的新抗原多维度优先级评分体系，筛选出适合个性化免疫治疗的高置信度候选新抗原；核心科学问题是如何在legacy测序数据的技术限制下，突破传统新抗原筛选的局限性，精准识别兼具高主要组织相容性复合体结合亲和力与有效表达的新抗原；技术路线遵循“公共多组学数据获取→新抗原生物信息学预测→多维度特征整合→优先级评分计算→可视化呈现”的逻辑闭环，本次勘误聚焦于可视化环节的关键结果图修正，确保研究结果的呈现准确无误。
3.1 新抗原景观图的修正与解读
实验目的：修正原文献图3中存在的颜色标注错误，明确不同突变类型新抗原的可视化区分标准，补充图中关键参数的说明，确保新抗原景观的呈现准确反映多维度优先级评分的结果。
方法细节：重新对图3中的候选新抗原数据点进行颜色标注，其中单核苷酸变异/插入缺失（SNV/indel）来源的新抗原标记为蓝色，融合突变来源的新抗原标记为红色；调整数据点的大小与复合优先级评分的对应关系，优先级评分越高数据点越大；补充坐标轴的详细说明，单核苷酸变异/插入缺失来源候选物的表达量采用log10(每千碱基转录本数（TPM）+1)计算，融合连接点的表达量采用log10(每千碱基融合转录本数（FFPM）+1)计算；添加关键阈值的虚线标注，包括强结合体阈值（主要组织相容性复合体结合亲和力排名≤0.5%）、弱结合体阈值（0.5–2%），以及最低表达量阈值（每千碱基转录本数/每千碱基融合转录本数≥1）。
结果解读：修正后的图3清晰展示了候选新抗原的主要组织相容性复合体结合亲和力与表达水平的分布特征，不同突变类型的新抗原在景观图中区分明确，高置信度的治疗候选物被突出标注，包括CALD1::REV3L融合突变，其优先级排名为0.005%（文献未明确提供样本量及P值），以及ARID1A、HMGA2等驱动基因相关靶点。该多维度优先级评分体系能够有效筛选出兼具高主要组织相容性复合体结合亲和力与有效表达的候选新抗原，即使在legacy测序数据的技术限制下，也能为肉瘤的个性化免疫治疗提供潜在的精准靶点。
产品关联：文献未提及具体实验产品，领域常规使用新抗原预测软件（如NetMHCpan）、转录组数据分析工具（如STAR、HTSeq）、生物信息学可视化工具（如R语言ggplot2包）等。
4. Biomarker研究及发现成果
本次勘误涉及的Biomarker为肉瘤的治疗性新抗原候选物，原研究通过多维度特征整合构建了新抗原的优先级评分体系，勘误修正了该体系关键结果的可视化呈现，确保新抗原候选物的特征展示准确。
Biomarker定位：文献中涉及的Biomarker为肉瘤的候选新抗原，包括单核苷酸变异/插入缺失来源的新抗原和融合突变来源的新抗原，筛选逻辑为从公共肉瘤多组学数据库中获取基因组与转录组数据，通过生物信息学算法预测新抗原，再整合主要组织相容性复合体结合亲和力、表达水平、突变类型三个核心特征进行多维度优先级评分，最终筛选出高置信度的治疗候选物；验证逻辑基于生物信息学的多维度特征整合分析，未涉及湿实验验证。
研究过程详述：新抗原的来源为公共数据库中的肉瘤样本多组学数据（基因组测序数据、转录组测序数据），验证方法为通过主要组织相容性复合体结合亲和力预测算法评估新抗原与主要组织相容性复合体分子的结合能力，通过转录组数据计算新抗原的表达量（每千碱基转录本数/每千碱基融合转录本数），特异性与敏感性数据：文献未明确提供该数据，基于图表趋势推测。
核心成果提炼：该多维度优先级评分体系成功筛选出兼具高主要组织相容性复合体结合亲和力与有效表达的肉瘤新抗原候选物，其中CALD1::REV3L融合突变的优先级排名为0.005%（文献未明确提供样本量及P值），ARID1A、HMGA2等驱动基因相关靶点也被识别，为肉瘤的个性化免疫治疗提供了潜在的精准靶点；创新性在于首次在公共肉瘤多组学数据的重利用中，构建了结合主要组织相容性复合体结合亲和力、表达水平、突变类型的多维度优先级评分体系，即使在legacy测序数据的技术限制下也能实现有效的新抗原筛选；统计学结果：文献未明确提供样本量、P值等统计学数据。