MD安德森科學家開發(fā)人工智能方法來預測抗癌免疫

德克薩斯大學西南醫(yī)學中心和 MD 安德森癌癥中心的研究人員和數(shù)據(jù)科學家開發(fā)了一種人工智能技術，可以識別免疫系統(tǒng)識別癌細胞產(chǎn)生的哪些細胞表面肽，稱為新抗原。

在Nature Machine Intelligence在線詳細介紹的 pMTnet 技術可能會帶來預測癌癥預后和對免疫療法的潛在反應的新方法。

“確定哪些新抗原與 T 細胞受體結合，哪些不結合似乎是一項不可能完成的任務。但是，隨著機器學習，我們正在取得進展，”資深作者王濤博士，博士，助理教授人口和數(shù)據(jù)科學，并與哈羅德·西蒙斯C.綜合癌癥中心和中心主機的遺傳學UT西南的防守。

癌細胞基因組中的突變導致它們在其表面顯示不同的新抗原。其中一些新抗原被免疫 T 細胞識別，這些 T 細胞會尋找癌癥和外來入侵者的跡象，從而使癌細胞被免疫系統(tǒng)破壞。然而，其他的似乎對 T 細胞是不可見的，從而使癌癥不受控制地生長。

“對于免疫系統(tǒng)，新抗原的存在是正常細胞和腫瘤細胞之間最大的區(qū)別之一，”天獅路，第一合著者與張澤，博士生在說陶宏實驗室，它采用了先進的最- 先進的生物信息學和生物統(tǒng)計學方法，用于研究腫瘤免疫學對各種癌癥的腫瘤發(fā)生、轉移、預后和治療反應的影響。“如果我們能夠弄清楚哪些新抗原會刺激免疫反應，那么我們或許能夠以各種不同的方式利用這些知識來對抗癌癥，”盧女士說。

能夠預測 T 細胞識別哪些新抗原可以幫助研究人員開發(fā)個性化的癌癥疫苗，設計更好的基于 T 細胞的療法，或預測患者對其他類型免疫療法的反應程度。但是有成千上萬種不同的新抗原，預測哪些新抗原觸發(fā) T 細胞反應的方法已被證明是耗時、技術上具有挑戰(zhàn)性且成本高昂的。

在美國國立衛(wèi)生研究院 (NIH) 和德克薩斯癌癥預防研究所 (CPRIT) 的資助下，為了尋找更好的技術，研究團隊開始使用機器學習。他們使用來自三種不同成分的已知結合或非結合組合的數(shù)據(jù)訓練了一種基于深度學習的算法，他們將其命名為 pMTnet：新抗原;稱為主要組織相容性復合物 (MHC) 的蛋白質，可在癌細胞表面呈現(xiàn)新抗原;以及負責識別新抗原-MHC 復合物的 T 細胞受體 (TCR)。然后，他們針對從 30 項不同研究開發(fā)的數(shù)據(jù)集測試了該算法，這些研究通過實驗確定了結合或非結合的新抗原 T 細胞 - 受體對。該實驗表明，新算法具有較高的準確率。

　　免責聲明：本文由用戶上傳，與本網(wǎng)站立場無關。財經(jīng)信息僅供讀者參考，并不構成投資建議。投資者據(jù)此操作，風險自擔。 如有侵權請聯(lián)系刪除！