Abstract Esophageal squamous cell carcinoma (ESCA) exhibits high intratumoral molecular heterogeneity posing a challenge to cancer therapy. Immune checkpoint blockade therapy has been approved for this disease, but with modest results. RNA-Seq data from paired tumor and surrounding nonmalignant tissue from 14 patients diagnosed with ESCA without previous treatment and from The Cancer Genome Atlas-ESCA cohort were analyzed. Herein, we investigated ESCA immune landscape including mutation-derived neoantigens and immune cell subpopulations. Tumor-associated antigen expression was determined by in silico analyses and confirmed by immunohistochemistry showing that PRAME, CEACAM4, and MAGEA11 proteins are expressed on tumors. Immune checkpoint molecules gene expression was higher in the tumor compared with surrounding nonmalignant tissue, but its expression varies greatly among patients. TCR repertoire and BCR transcripts analysis evidenced low clonal diversity with one TCR clone predicted to be specific for a MAGEA11-derived peptide. A high number of B-cell clones infiltrating the tumors and the abundance of these cells in tertiary lymphoid structures observed in ESCA tumors support B cells as a potential immune modulator in this tumor.

Abstract Over the past 20 years, the Immune Epitope Database (IEDB, iedb.org) has established itself as the foremost resource for immune epitope data. The IEDB catalogs published epitopes and their contextual experimental data in a freely searchable public resource. The IEDB team manually curates data from the literature into a structured format and spans infectious, allergic, autoimmune, and transplant diseases. Here, we describe the enhancements made since our 2018 paper, capturing user-directed updates to the search interface, advanced data exports, increases in data quality, and improved interoperability across related resources. As we look forward to the next 20 years, we are confident in our ability to meet the needs of our users and to contribute to the broader field of data standardization.

Systems vaccinology studies have been used to build computational models that predict individual vaccine responses and identify the factors contributing to differences in outcome. Comparing such models is challenging due to variability in study designs. To address this, we established a community resource to compare models predicting