三个多月缩短到几天！Nature Biotechnology新技术加速细胞免疫疗法

目前，针对癌症患者进行个体化T细胞疗法至少需要6个月;德国癌症研究中心(DKFZ)和曼海姆大学医学中心的科学家们已经证明，为患者识别肿瘤反应性T细胞受体这一艰难的第一步可以被机器学习分类器所取代，这种分类器可以节省一半的时间。

　　

目前，针对癌症患者进行个体化T细胞疗法至少需要6个月，德国癌症研究中心(DKFZ)和曼海姆大学医学中心的科学家们已经证明，为患者识别肿瘤反应性T细胞受体这一艰难的第一步，可以被机器学习分类所取代，这样可以将时间缩短一半。

个性化细胞免疫疗法被认为是治疗各种类型癌症的新选择。目前正在测试的一种治疗方法是所谓的“T细胞受体转基因T细胞（T-cell receptor transgenic T-cells）”。这背后的原理是：在实验室中为患者的免疫 T 细胞配备识别患者自身特有肿瘤的功能，然后大量重新注入以有效杀死肿瘤细胞。

这种疗法的发展是一个复杂的过程。首先，医生从患者的肿瘤组织样本中分离出肿瘤浸润性T细胞(TILs)。然后在这些细胞群中寻找识别肿瘤特异性突变的T细胞受体，从而杀死肿瘤细胞。这种搜索非常费力，迄今为止需要了解肿瘤特异性突变导致的蛋白质变化，这些蛋白质变化会被患者的免疫系统识别。在此期间，肿瘤不断发生突变和扩散，因此这一步骤需要与时间赛跑。

DKFZ部门主管Michael Platten说:“寻找合适的T细胞受体就像大海捞针一样，既昂贵又耗时，”“有了这种方法，我们就可以在不了解各自肿瘤表位的情况下识别肿瘤反应性 T 细胞受体，从而大大简化和加快这一过程"。

由Platten和共同研究负责人Ed Green领导的团队在最近发表的一篇文章中展示了一种可以精确实现这一目标的新技术。开始的时候，研究人员从黑色素瘤患者的脑转移中分离出TILs，并对每个细胞进行单细胞测序。这些TILs表达的T细胞受体随后在实验室中被单独测试，确定那些被识别并杀死患者肿瘤细胞的受体。

然后，研究人员将这些数据结合起来，训练一个机器学习模型来预测肿瘤反应性T细胞受体。由此产生的classifier分类器能从TIL中识别出肿瘤反应性T细胞，准确率高达90%，适用于多种不同类型的肿瘤，并能容纳来自不同细胞测序技术的数据。

Ed Green说:“无论肿瘤类型如何，predicTCR使我们能够将识别个性化肿瘤反应性T细胞受体所需的时间从三个多月缩短到几天。”

“我们现在研究的重点是将这项技术应用于临床实践。为了资助进一步的发展，我们成立了生物技术初创公司Tcelltech，predicTCR是DKFZ新衍生产品的关键技术之一。”Michael Platten补充说。