Используя искусственный интеллект (ИИ), ученые из Международного онкологического центра Людвига разработали мощную прогностическую модель для выявления наиболее мощных иммунных клеток, убивающих опухоли, которые можно использовать в иммунотерапии рака, сообщает News.ro.
В сочетании с дополнительными алгоритмами модель прогнозирования, описанная в текущем номере журнала Природная биотехнологиямогут применяться для персонализированного лечения рака, которое адаптирует терапию на основе уникального клеточного состава опухолей каждого пациента.
«Внедрение искусственного интеллекта в клеточной терапии является новым и может изменить правила игры, предоставляя пациентам новые клинические возможности», — сказал он. в заявлении из Центра Людвига в Лозанне Александр Харари, который руководил исследованием.
Клеточная иммунотерапия включает в себя извлечение иммунных клеток из опухоли пациента, возможно, их модификацию с помощью генной инженерии для усиления их естественных способностей к борьбе с раком, а также повторное введение их в организм после того, как они размножились.
Т-клетки — это один из двух основных типов лейкоцитов, или лимфоцитов, которые циркулируют в крови и патрулируют ее в поисках инфицированных вирусом или раковых клеток.
Т-клетки, которые проникают в солидные опухоли, известны как инфильтрирующие опухоль лимфоциты, или TIL. Однако не все из этих TIL эффективны в распознавании и атаке опухолевых клеток.
«На самом деле только часть из них реагирует на опухоли», — объяснил Харари. «Задача, которую мы перед собой поставили, заключалась в том, чтобы идентифицировать те немногие TIL, которые оснащены рецепторами Т-клеток, способными распознавать антигены на опухоли».
Для этого команда разработала новую прогностическую модель, основанную на искусственном интеллекте, под названием TRTpred, которая может классифицировать рецепторы Т-клеток (TCR) в зависимости от их реактивности на опухоль. Для разработки TRTpred они использовали 235 TCR, собранных у пациентов с метастатической меланомой, уже классифицированных как опухолереактивные или нереактивные.
Команда загрузила профили экспрессии генов (или транскриптомные) Т-клеток, несущих каждый TCR, в модель машинного обучения, чтобы определить закономерности, которые отличают опухолереактивные Т-клетки от неактивных.
«TRTpred может учиться на популяции Т-клеток и создавать правило, которое затем можно будет применить к новой популяции», — объяснил исследователь. «Таким образом, столкнувшись с новым TCR, модель может прочитать его транскриптомный профиль и оценить, реагирует ли клетка на опухоли».
Модель TRTpred проанализировала TIL у 42 пациентов с меланомой, а также раком желудочно-кишечного тракта, легких и молочной железы и выявила опухоле-реактивные TCR с точностью примерно 90%.
Исследователи дополнительно усовершенствовали свой процесс отбора этих TIL, применив вторичный алгоритмический фильтр для скрининга только тех опухолереактивных Т-клеток с «высокой авидностью», то есть тех, которые прочно связываются с опухолевыми антигенами.
«TRTpred является исключительно предиктором того, является ли TCR реактивным в опухолях», — объяснил Харари.
Но некоторые опухолереактивные TCR очень прочно связываются с опухолевыми клетками и поэтому очень эффективны, в то время как другие делают это лишь ленивым образом. Отличие тех, кто связывает сильно, от тех, кто связывает слабо, приводит к эффективности, объяснил он.
Исследователи продемонстрировали, что Т-клетки, помеченные TRTpred и вторичным алгоритмом как опухолереактивные и обладающие высокой авидностью, чаще обнаруживались в опухолях, чем в прилегающей поддерживающей ткани, известной как строма. Этот вывод согласуется с другими исследованиями, показывающими, что эффективные Т-клетки обычно проникают глубоко в опухолевые островки.
Затем команда представила третий фильтр для максимального распознавания различных опухолевых антигенов.
«Мы хотим максимизировать вероятность того, что эти TIL будут нацелены на как можно больше различных антигенов», — сказал Харари.
Этот последний фильтр объединяет TCR в группы на основе схожих физических и химических характеристик. Исследователи предположили, что эти TCR из каждой группы распознают один и тот же антиген.
Таким образом, исследователи выбирают внутри каждого кластера TCR для амплификации, чтобы максимизировать шансы на наличие различных антигенных мишеней.
Комбинацию TRTpred и алгоритмических фильтров они называют MixTRTpred.
Чтобы проверить свой подход, команда вырастила человеческие опухоли на мышах, извлекла Т-клеточные рецепторы (TCR) из их инфильтрирующих опухоль клеток (TIL) и использовала систему MixTRTpred для идентификации тех Т-клеток, которые были реактивны к опухолям. высокая авидность и нацелены на несколько опухолевых антигенов.
Затем они сконструировали Т-клетки мышей для экспрессии этих TCR и показали, что эти клетки могут уничтожать опухоли при переносе мышам.
«Этот метод обещает преодолеть некоторые недостатки современной терапии на основе TIL, особенно для пациентов, столкнувшихся с опухолями, которые в настоящее время не реагируют на такую терапию», — сказал директор Центра Людвига в Лозанне Джордж Кукос, соавтор исследования.
Теперь команда планирует начать фазу I клинических испытаний, в ходе которых технология будет проверена на пациентах, что может привести к созданию совершенно нового типа Т-клеточной терапии.
2024-05-09 04:47:51
1715232954
#Ученые #разработали #инструмент #искусственного #интеллекта #позволяющий #высокой #точностью #идентифицировать #клетки #убивающие #опухоли
