'Immunomap'表明，在免疫细胞受体和患者对免疫疗法的反应时，更好更好

约翰·霍普金斯大学(Johns Hopkins)的科学家们使用一种人工智能的形式创建了一幅比较细胞受体类型的地图，细胞受体是免疫系统t细胞表面的化学“触角”。他们用实验室培养的小鼠和人类t细胞进行的实验表明，拥有更多这种受体的癌症患者可能对免疫治疗药物和疫苗有更好的反应。

关于科学家如何创造和测试他们称之为“免疫造影”的报告出现了12月20日癌症免疫学研究。

"ImmunoMap gives scientists a picture of the wide diversity of the immune system's responses to cellular antigens," says Jonathan Schneck, M.D., Ph.D., professor of pathology, medicine and oncology at the Johns Hopkins University School of Medicine, and a member of the Johns Hopkins Kimmel Cancer Center.

T细胞上的受体识别抗原，或触发免疫应答，特别是抗体的其他细胞的片。如果抗原是外部的，T细胞会提高免疫系统内的警报，这可以将“全点公告”分布在监视器上抗原抗原。

因为像癌症这样的疾病往往会逃避t细胞的检测受体长期以来，科学家一直在寻找这一过程的“情报”，作为开发针对恶性细胞、而不去管健康细胞的治疗方法。

“今天的大部分免疫疗法建立在我们知道这些抗原的前提下，”约翰霍普金斯生物医学工程M.D./Ph.d说。学生约翰威廉·斯迪姆。“但我们实际上并不知道我们需要围绕它们以及承认它们的T细胞。”

为了满足需要的，SIDHOM使用的高功率计算来创建数学模型 - 基本上是来自在实验室中的病毒中暴露于病毒的人T细胞的受体的数字型基因组序列数据。“我们的目标是对类似的T细胞受体相似并且可以针对同一抗原，”Sidhom说。

使用一种无监督学习算法，该团队能够将t细胞受体测序数据转换成基于受体序列相似性的数值距离，并通过功能特异性将它们聚类。例如，如果两个受体序列相似，计算机在两个序列之间分配一个短距离的秩。如果序列不同，它们会得到更长的距离。

一旦成千上万的序列被转换成这些“距离”指标，计算机系统的人工智能算法寻找受体中的模式。

“这就是我们如何通过表征受体序列彼此相关的受体序列来获得免疫映射的方式，”Schneck说。“具有非常相似的T细胞受体，其序列的轻微差异可以识别相同的抗原。”

约翰霍普金斯大学的研究小组测试了ImmunoMap将免疫反应与来自肿瘤t细胞的受体测序数据关联起来的能力，这些肿瘤患者参加了一项全国性的免疫治疗药物nivolumab临床试验。

在34中，三名黑素瘤的患者对Nivolumab作出反应，其余的没有回应。在响应者中，科学家们发现了与非响应者中的八至九个相比的平均15种不同的T细胞受体簇。

科学家们还发现，在接受尼鲁单抗治疗四周后，应答者的t细胞受体多样性下降了10- 15%。

“那些患者在治疗前有一系列广泛的受体武器，这可能使右受体杀死其癌细胞，”Schneck说。“一旦它们的免疫系统发现了正确的受体，表达那些受体的T细胞成倍增加，导致其T细胞受体的结构多样性的总体降低。”

Schneck说，一些科学家强调，对免疫治疗的反应很大程度上取决于t细胞是否浸润肿瘤部位，但他的研究表明，虽然浸润很重要，但这不足以解释患者对免疫治疗药物的可变反应。

该团队还在有和没有肿瘤的小鼠中创建了针对肿瘤抗原的t细胞受体多样性的免疫图谱。他们的分析显示，与离肿瘤较远相比，离肿瘤较近的t细胞样本的t细胞受体多样性降低。这些数据可能有助于科学家确定肿瘤是如何逃避免疫系统的检测的。

Schneck说，研究小组还需要收集更多的免疫图谱数据，以可靠地预测哪些患者可能对免疫治疗有反应，哪些患者可能没有反应。“在这一点上，ImmunoMap不能将t细胞受体与特定的抗原配对，也不能确定它们是否匹配抗原他指出，对于任何个体患者的免疫疗法反应都很重要。“

但是他说，希望免疫图谱有一天能够帮助设计疫苗和设计用于癌症治疗的t细胞。

---

---