ABSTRACT Here, we leveraged a large neoadjuvant PD-1 blockade trial in patients with hepatocellular carcinoma (HCC) to search for correlates of response to immune checkpoint blockade (ICB) within T cell-rich tumors. We show that ICB response correlated with the clonal expansion of intratumoral CXCL13 + CH25H + IL-21 + PD-1 + CD4 T helper cells (CXCL13 + Th) and Granzyme K + PD-1 + effector-like CD8 T cells, whereas terminally exhausted CD39 hi TOX hi PD-1 hi CD8 T cells dominated in non-responders. Strikingly, most T cell receptor (TCR) clones that expanded post-treatment were found in pre-treatment biopsies. Notably, PD-1 + TCF-1 + progenitor-like CD8 T cells were present in tumors of responders and non-responders and shared clones mainly with effector-like cells in responders or terminally differentiated cells in non-responders, suggesting that local CD8 T cell differentiation occurs upon ICB. We found that these progenitor CD8 T cells interact with CXCL13 + Th cells within cellular triads around dendritic cells enriched in maturation and regulatory molecules, or “mregDC”. Receptor-ligand analysis revealed unique interactions within these triads that may promote the differentiation of progenitor CD8 T cells into effector-like cells upon ICB. These results suggest that discrete intratumoral niches that include mregDC and CXCL13 + Th cells control the differentiation of tumor-specific progenitor CD8 T cell clones in patients treated with ICB.

Recently, de novo peptide sequencing has made it possible to gain new insights into the human immunopeptidome without relying on peptide databases, while identifying peptides of unknown origin. Many recent studies have attributed post-translational proteasomal splicing as the origin of those peptides. Here, we describe a peptide source assignment workflow to rigorously assign the source of de novo sequenced peptides and find that the estimated extent of post-translational splicing in the immunopeptidome is much lower than previously reported. Our approach demonstrates that many peptides that were thought to be post-translationally spliced are likely linear peptides, and many peptides that were thought to be trans-spliced could be cis-spliced. We believe our approach furthers the understanding of post-translationally spliced peptides and thus improves the characterization of immunopeptidome which plays a critical role in the immune response to antigens in cancer, autoimmune disease, and infections.

Predicting the effects of genetic variants on splicing is highly relevant for human genetics. We describe the framework MMSplice (modular modeling of splicing) with which we built the winning model of the CAGI 2018 exon skipping prediction challenge. The MMSplice modules are neural networks scoring exon, intron, and splice sites, trained on distinct large-scale genomics datasets. These modules are combined to predict effects of variants on exon skipping, alternative donor and acceptor sites, splicing efficiency, and pathogenicity, with matched or higher performance than state-of-the-art. Our models, available in the repository Kipoi, apply to variants including indels directly from VCF files.