科学家开发人工智能方法来预测抗癌免疫力
UT西南医学中心和MD Anderson癌症中心的研究人员和数据科学家开发了一种人工智能技术,可以识别免疫系统认可了由称为新抗原的癌细胞产生的细胞表面肽。
PMTNET技术,在线详细介绍自然机器智能,可能导致预测癌症预后和对免疫疗法的潜在反应性的新方法。
高级作家Tao Wang博士博士说:“确定哪种新抗原与T细胞受体结合,哪些似乎是不可能的壮举。但是,随着机器学习,我们正在取得进步。”和数据科学,以及Harold C. Simmons综合癌症中心和UT西南部宿主防御遗传学中心。
基因组中的突变癌细胞使他们在表面上显示不同的新抗原。这些新抗原中的一些被免疫T细胞识别出来,这些细胞追捕了癌症和外国入侵者的迹象,从而使癌细胞被癌细胞摧毁免疫系统。但是,其他人似乎对T细胞看不见,使癌症不受组织。
“对于免疫系统,新抗原的存在是正常和肿瘤细胞”,王张(Ze Zhang)的第一家合着者蒂安希·鲁(Tianshi Lu)说,王王实验室的博士生,他使用最先进的生物信息学和生物统计学方法来研究肿瘤免疫学对肿瘤的影响,转移,预后和预后和预后,和卢女士说:“如果我们能确定哪种新抗原刺激了免疫反应,那么我们也许能够以多种不同的方式使用这些知识来抗癌。”
能够预测T细胞识别哪些新抗原,可以帮助研究人员开发个性化的癌症疫苗,更好的基于T细胞的疗法,或者预测患者对其他类型的免疫疗法的反应良好。但是,有成千上万种不同的新抗原,预测哪些触发T细胞反应的方法已被证明是耗时的,技术上具有挑战性的,而且成本高昂。
在国家卫生研究院(NIH)和德克萨斯州癌症预防和研究所(CPRIT)的赠款中,寻找更好的技术,研究小组正在寻求机器学习。他们训练了一个深度学习- 基于基于三种不同组分的已知结合或非结合组合的数据命名PMTNET:NeoAntigens;蛋白质称为主要组织相容性复合物(MHC)癌症细胞表面;以及负责识别的T细胞受体(TCR)新抗原-MHC复合物。然后,他们测试了从30种不同研究开发的数据集,这些研究已经实验鉴定了结合或非结合新抗原T细胞受体对。该实验表明,新算法的准确性很高。
研究人员使用这种新工具来收集有关新抗原的见解癌症基因组图集,一个公共数据库,可持有11,000多个原发性肿瘤的信息。PMTNET表明,与肿瘤相关的抗原相比,新抗原通常会触发更强的免疫反应。它还预测哪些患者对免疫检查点阻滞疗法有更好的反应,并且总体存活率更好。
“作为一名免疫学家,目前面临免疫疗法的最大障碍是确定哪些抗原的能力细胞为了利用这些配对作为治疗目的。。”
进一步探索