科学家开发人工智能方法来预测抗癌免疫力

美国大学西南医学中心和MD安德森癌症中心的研究人员和数据科学家已经开发出一种人工智能技术，可以识别由称为新抗体的癌细胞产生的细胞表面肽被免疫系统识别。

pMTnet技术，详细在线在自然机器智能，可能会导致新的方法来预测癌症预后和潜在的免疫疗法反应。

"确定哪些新蚂蚁与T细胞受体结合，哪些似乎不是不可能完成的壮举。但是，随着机器学习，我们正在取得进展，"资深作者、人口和数据科学助理教授王涛博士说，以及哈罗德·西蒙斯综合癌症中心和西南大学宿主防御遗传学中心。

癌细胞基因组的突变导致它们表面显示不同的新抗体。其中一些新抗体被寻找癌症迹象的免疫T细胞和外来入侵者所识别，使癌细胞被免疫系统摧毁。然而，其他细胞似乎看不见T细胞，允许癌症不受控制地生长。

"对于免疫系统来说，新抗原的存在是正常细胞和肿瘤细胞之间最大的区别之一，"陶王实验室博士生张泽石说，该实验室使用最先进的生物信息学和生物统计学方法研究肿瘤免疫学对各种癌症肿瘤、转移、预后和治疗反应的影响。"如果我们能找出哪些新抗癌药物能刺激免疫反应，那么我们也许能够用各种不同的方式利用这些知识来对抗癌症，"陆女士说。

能够预测哪些新抗原被T细胞识别，可以帮助研究人员开发个性化的癌症疫苗，设计更好的T细胞疗法，或预测患者对其他类型的免疫疗法的反应。但是，有数以万计的不同新抗原，预测哪些触发T细胞反应的方法已经被证明是耗时，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与研究所（CPRIT）的资助下，研究小组寻找更好的技术，希望机器学习。他们训练了一种基于深度学习的算法，他们使用来自三个不同组件的已知绑定或不绑定组合的数据来命名pMTnet：新抗性：蛋白质称为主要组织相容性复合物（MHCs），在癌细胞表面呈现新抗体;和T细胞受体（TCRs）负责识别新抗原-MHC复合物。然后，他们根据从30项不同研究中开发的数据集测试该算法，这些研究通过实验确定了结合或不具约束力的新抗原T细胞受体对。实验表明，新算法的准确性很高。

研究人员利用这一新工具收集了《癌症基因组图集》中新抗原的见解，该图集是一个公共数据库，保存着来自11，000多个原发性肿瘤的信息。pMTnet 显示，与肿瘤相关抗原相比，新抗原通常能触发更强的免疫反应。它还预测哪些患者对免疫检查点封锁疗法有更好的反应，并且有更好的整体存活率。

"作为免疫学家，免疫治疗目前面临的最重大障碍是能够确定哪些抗原被哪个T细胞识别，以便利用这些配对用于治疗目的，"相应的作者亚历山大·鲁本博士说，他是医学博士安德森的胸头和颈部医学肿瘤学助理教授。pMTnet 的表现优于其当前的替代方案，使我们大大接近这一目标。