的新抗原数据。 ，并收集和处理 来自 数据门户 . 的 数据，如附加文件所示：图。 保留为未归一化的体细胞非同义突变计数总数，的预测新抗原总数。 。 包 用于估计肿瘤浸润白细胞的丰度 。 等人采用了七个经典的免疫特征。 ，并且包用于确定每个免疫特征的单样本基因集富集（）分数 。免疫相关基因及其功能分类来自 等人。 ，其表达水平被量化为（每百万映射片段的外显子模型的每千碱基片段）和转
换 统计分析 通过 精确检验对特定突变基因的富集
与响应（ 与 ）进行评估，并控制 值以控制错误发现率 。使用 精确检验检查了状态与 或 之间的关联。 和的无进展生存概率和总生存概率通过方法、对数秩检验和比例风险回归分析对患者进行分析，并根据可用的混杂因素进行调整，包括）发现队列中的年龄、性别、加拿大医疗保健和医疗电子邮件列表症类型和； 验证队列中的年龄、性别、癌症类型、 状态和 状态； 来自 等人的非 治疗队列中的性别、癌症类型、 状态； 队列中的年龄、性别、种族、癌症类型、组织学分级、
肿瘤分期、 和首次诊断年 之间的相互作用状态和
以下因素进行了评估，包括年龄（≤ 岁与 > 美国在线电子邮件列表 岁）、性别（男性与女性）、癌症类型（黑色素瘤、膀胱癌、 与其他癌症）、 状态（低与高）和药物类别（单一疗法与联合疗法）。使用 检验检查 和 肿瘤之间、新抗原负载、肿瘤浸润白细胞、免疫特征或免疫相关基因表达的差异。名义显着性水平设定为 .，所有统计检验均为双边检验。使用 . .. .. 进行统计分析。 结果 在对 治疗有反应的患者中富集 如图所示，从六项公开研究中汇总了带有注释反应数据的突变数据
