用途：基于患者 HLA 分型与肿瘤突变数据，预测可能被免疫系统识别的新抗原候选肽段，用于肿瘤免疫治疗的靶点筛选。
主要能力：从突变位点提取 8–11 聚体变异肽；预测肽段与患者 HLA 分子的结合亲和力；评估免疫原性；综合打分并排序筛选候选新抗原。核心脚本为 scripts/main.py，参考材料在 references/ 目录。
输入格式：HLA 分型支持 WHO 标准命名（如 HLA-A*02:01）、简化命名（A0201）以及逗号分隔的多样本；突变数据支持 VCF 格式、表格格式（Gene、Chrom、Position、Ref、Alt、Protein_Change 列）以及变异肽 FASTA 格式。
使用方式：先验证脚本可解析，再运行主脚本。
python -m py_compile scripts/main.py python scripts/main.py --help
基本命令行示例：
python scripts/main.py --hla "HLA-A02:01,HLA-A11:01,B*07:02" --vcf mutations.vcf --output neoantigen_results.json
也支持表格输入、指定 --peptide-length、--rank-cutoff，以及用 --variant-peptides/--wildtype-peptides 预测已有变异肽的结合。Python API 可导入 scripts.main 的 NeoantigenPredictor，设置 HLA、突变、肽长与 mhc_method 后调用 predict，并用 filter_by_binding 按阈值过滤。
依赖：Python 3.8+、biopython、pandas、numpy、requests；可选 NetMHCpan 4.1 本地安装、samtools、matplotlib、seaborn。
输出：JSON 或 CSV，包含患者 HLA、预测方法、预测总数、强结合数、逐条新抗原的肽序列、长度、MHC 结合指标（rank 百分位、亲和力 nM、结合等级）、免疫原性评分、优先级分数及临床相关性字段。
限制：MHC 结合预测准确率约 85%（Rank<0.5 阈值），免疫原性预测相关性约 60–70%，需实验验证；不考虑 HLA 分子在细胞表面的表达水平，无法预测免疫耐受或抑制性 T 细胞反应；新抗原生成与 T 细胞反应的相关性存在不确定性。该工具仅供研究用途，结果不应作为临床决策的唯一依据，候选新抗原需经 ELISPOT、四聚体染色等实验验证。技术难度标注为高，需人工审核。已知问题暂未提供。