通过机器学习实现癌症个性化治疗

切里顿计算机科学学院的研究人员已经应用机器学习来识别肿瘤特异性抗原，这可能有助于使个性化癌症疫苗在实际中可行，而且更准确。

在癌症中，当细胞的DNA发生突变时，就会发生替换。这种替代被我们的免疫系统标记为入侵者，被称为aneoantigen一种出现在癌细胞表面的突变肽。

“如果我们能弄清楚新抗原在什么上癌症细胞他们可以用来开发一种癌症疫苗——一种针对癌症患者的个性化疫苗癌症病人并利用患者自身的免疫系统来攻击肿瘤，”切里顿计算机科学学院的兼职教授Hieu Tran解释道。

切里顿大学计算机科学学院教授、加拿大生物信息学研究主席李明补充说:“当一个细胞发生癌变时，身体就会知道。”“那是因为人白细胞抗原或者HLA系统——负责调节免疫系统——可以显示细胞表面的肽是正常的还是突变的。如果HLA系统呈现正常的肽，我们的免疫系统就不会攻击它。我们的免疫系统只会攻击突变细胞，也就是表面有新抗原的细胞，也就是癌性肿瘤细胞。”

然而，诀窍在于找到这些肿瘤特异性的新抗原——本质上是大海捞针。毫不奇怪，使用传统方法是一项令人困惑的艰巨任务，但在开发个性化癌症疫苗时，这是至关重要的。

为个人提供医疗服务

氨基酸是构成肽最终是蛋白质分子。没有他们，我们就不会有免疫系统能够消化食物，能够生长，能够繁殖。按照惯例,氨基酸使用一个字母的代码进行标记。例如，氨基酸丙氨酸标记为A，精氨酸标记为R，天冬酰胺标记为N，等等。肽的氨基酸序列可以看作是由这些字母组成的单词。

“如果你熟悉自然语言处理，你可能看到过你的手机在你撰写信息时猜出你可能输入的下一个单词。如果你输入how，它就会显示are，如果你输入are，它就会显示You。”

“我们应用了类似的机器学习模型来确定基于这个单字母氨基酸代码的新抗原的氨基酸序列。如果我知道你的免疫肽——细胞表面显示的数千个8到12个氨基酸的短肽抗原——并且我知道一个新抗原与你现有的肽只存在一个突变，我就可以使用你的正常肽来训练一个机器学习模型来预测突变的肽。我们使用了一个循环神经网络——我们称之为deepnovoo的机器学习模型——来预测氨基酸新抗原序列。”

为此，研究人员下载了5名黑色素瘤(一种皮肤癌)患者的免疫肽层数据集，然后用这些数据来训练、验证和测试他们的机器学习模型。

更令人印象深刻的是，机器学习模型能够个性化结果，也就是说，它为每个患者识别特定的新抗原，以提供个性化的治疗和护理。

“癌症免疫疗法正迅速成为继手术、化疗和放疗之后的第四种癌症治疗方式，”李明补充道。“每个病人都是不同的，每种癌症都是不同的癌症治疗不应该对所有人都一样。治疗应该为患者量身定制，这就是我们的个性化机器学习模型允许我们做的事情。”

---

---