科学家开发出一种人工智能工具，可以高精度识别肿瘤杀伤细胞

路德维希国际癌症中心的科学家利用人工智能 (AI) 开发了一种强大的预测模型，可以识别可用于癌症免疫疗法的最强大的肿瘤杀伤免疫细胞。

与其他算法相结合，预测模型在本期杂志中进行了描述 自然生物科技可应用于个性化癌症治疗，根据每位患者肿瘤的独特细胞组成来定制治疗。

“人工智能在细胞治疗中的应用是全新的，可以改变游戏规则，为患者提供新的临床选择，”说 在一份声明中 洛桑路德维希中心的亚历山大·赫拉里 (Alexandre Harari) 领导了这项研究。

细胞免疫疗法涉及从患者的肿瘤中提取免疫细胞，可能通过基因工程对其进行修饰，以增强其天然的抗癌能力，并在增殖后将其重新引入体内。

T 细胞是白细胞或淋巴细胞的两种主要类型之一，它们在血液中循环并巡逻以发现病毒感染的细胞或癌细胞。

浸润实体瘤的 T 细胞称为肿瘤浸润淋巴细胞 (TIL)。 然而，并非所有这些 TIL 都能有效识别和攻击肿瘤细胞。

“事实上，只有一小部分对肿瘤有反应，”赫拉里解释道。 “我们给自己设定的挑战是识别那些少数配备有能够识别肿瘤抗原的 T 细胞受体的 TIL。”

为此，该团队开发了一种基于人工智能的新预测模型，称为 TRTpred，它可以根据 T 细胞受体 (TCR) 的肿瘤反应性对它们进行分类。 为了开发 TRTpred，他们使用了从转移性黑色素瘤患者收集的 235 个 TCR，这些患者已被分类为肿瘤反应性或非反应性。

研究小组将带有每个 TCR 的 T 细胞的基因表达（或转录组）谱加载到机器学习模型中，以识别区分肿瘤反应性 T 细胞和非活性 T 细胞的模式。

研究人员解释说：“TRTpred 可以从 T 细胞群体中学习，并创建一条规则，然后将其应用于新的群体。” “因此，当面对新的 TCR 时，该模型可以读取其转录组图谱并估计细胞是否对肿瘤有反应。”

TRTpred 模型分析了 42 名黑色素瘤、胃肠道癌、肺癌和乳腺癌患者的 TIL，并以大约 90% 的准确度识别了肿瘤反应性 TCR。

研究人员通过应用二级算法过滤器来筛选那些具有“高亲合力”的肿瘤反应性 T 细胞（即那些与肿瘤抗原强烈结合的细胞），从而进一步完善了这些 TIL 的选择过程。

Harari 解释说：“TRTpred 是 TCR 是否在肿瘤中具有反应性的唯一预测因子​​。”

但一些肿瘤反应性 TCR 与肿瘤细胞的结合非常牢固，因此非常有效，而其他 TCR 则只是以一种懒惰的方式发挥作用。 他解释说，区分强约束力和弱约束力可以转化为有效性。

研究人员证明，被 TRTpred 和二级算法标记为具有肿瘤反应性和高亲合力的 T 细胞更常见地嵌入肿瘤中，而不是邻近的基质支持组织中。 这一发现与其他研究一致，表明有效的 T 细胞通常会深入渗透到肿瘤胰岛中。

然后，研究小组引入了第三个过滤器，以最大限度地识别各种肿瘤抗原。

Harari 说：“我们想要的是最大化这些 TIL 靶向尽可能多的不同抗原的机会。”

最后一个过滤器根据相似的物理和化学特性将 TCR 分组。 研究人员推测，来自每组的这些 TCR 识别相同的抗原。

因此，研究人员在每个簇内选择一个 TCR 进行扩增，以最大限度地提高获得不同抗原靶标的机会。

他们将 TRTpred 和算法过滤器的组合称为 MixTRTpred。

为了验证他们的方法，研究小组在小鼠体内培养了人类肿瘤，从肿瘤浸润细胞（TIL）中提取了 T 细胞受体（TCR），并使用 MixTRTpred 系统来识别那些对肿瘤有反应的 T 细胞。高亲和力并针对多种肿瘤抗原。

然后，他们对小鼠的 T 细胞进行改造以表达这些 TCR，并证明这些细胞转移到小鼠体内后可以消除肿瘤。

该研究的合著者、洛桑路德维希中心主任 George Coukos 表示：“这种方法有望克服当前 TIL 疗法的一些缺点，特别是对于目前对此类疗法无反应的肿瘤患者。”

现在，该团队计划启动一项 I 期临床试验，在患者身上测试该技术，这可能会带来一种全新类型的 T 细胞疗法。

以上文章仅供您参考。 如果您代表媒体机构或公司并希望同意重新发布我们的文章，请发送电子邮件至 [email protected]。