Nature Biotechnology：人工智能预测肿瘤杀伤细胞的准确度很高

利用人工智能，路德维希癌症研究中心的科学家们开发了一种强大的预测模型，用于识别最有效的癌症杀伤免疫细胞，用于癌症免疫疗法。

　　

利用人工智能，路德维希癌症研究中心的科学家们开发了一种强大的预测模型，用于识别最有效的癌症杀伤免疫细胞，用于癌症免疫治疗。

该预测模型发表在最新一期的《自然生物技术》(Nature Biotechnology)杂志上，与其他算法相结合，可以应用于个性化癌症治疗，根据每位患者肿瘤的独特细胞组成定制治疗方案。

Ludwig Lausanne的Alexandre Harari说:“人工智能在细胞治疗中的应用是新的，可能会改变游戏规则，为患者提供新的临床选择。”他和研究生rsammy psamtreand一起领导了这项研究。

细胞免疫疗法包括从病人的肿瘤中提取免疫细胞，选择性地改造它们以增强它们对抗癌症的自然能力，并在培养后将它们重新引入体内。T细胞是两种主要类型的白细胞或淋巴细胞之一，它们在血液中循环，巡逻病毒感染的细胞或癌细胞。

穿透实体肿瘤的T细胞被称为肿瘤浸润淋巴细胞，简称TILs。然而，并不是所有的til都能有效地识别和攻击肿瘤细胞。“只有一小部分实际上是肿瘤反应性的——大多数是旁观者，”Harari解释说。“我们为自己设定的挑战是识别少数配备能够识别肿瘤抗原的T细胞受体的til。”

为了做到这一点，Harari和他的团队开发了一种新的人工智能驱动的预测模型，称为TRTpred，可以根据T细胞受体(tcr)的肿瘤反应性对其进行排名。为了开发TRTpred，他们使用了从转移性黑色素瘤患者收集的235个tcr，这些患者已经被分类为肿瘤反应性或非反应性。该团队将携带每种TCR的T细胞的全局基因表达或转录组谱加载到机器学习模型中，以识别区分肿瘤反应性T细胞与非活性T细胞的模式。

Harari解释说:“TRTpred可以从一个T细胞群中学习，并创建一个规则，然后应用于一个新的T细胞群。”“因此，当面对新的TCR时，该模型可以读取其转录组谱，并预测其是否具有肿瘤反应性。”

TRTpred模型分析了42名黑色素瘤、胃肠道、肺癌和乳腺癌患者的tcr，并以90%的准确率确定了肿瘤反应性tcr。研究人员进一步完善了他们的TIL选择过程，通过应用二级算法过滤器来筛选那些具有“高亲和力”的肿瘤反应性t细胞，即那些与肿瘤抗原结合强烈的t细胞。

Harari解释说:“TRTpred是TCR是否具有肿瘤反应性的唯一预测指标。”“但是一些肿瘤反应性tcr与肿瘤细胞结合非常强烈，因此非常有效，而其他tcr只是懒洋洋地这样做。区分强结合剂和弱结合剂可以转化为功效。”

研究人员证明，被TRTpred和二级算法标记为肿瘤反应性和高亲和性的T细胞更常被发现嵌入肿瘤内，而不是在邻近的支持组织(称为基质)中。这一发现与其他表明有效T细胞通常深入肿瘤胰岛的研究相一致。

该团队随后引入了第三种过滤器，以最大限度地识别各种肿瘤抗原。赫拉利说:“我们想要的是最大化til靶向尽可能多的不同抗原的机会。”

最后的过滤器根据相似的物理和化学特性将tcr组织成组。研究人员假设每个簇中的tcr识别相同的抗原。“因此，我们在每个集群中选择一个TCR进行扩增，这样我们就可以最大限度地提高不同抗原目标的机会，”路德维希洛桑的计算科学家Vincent Zoete说，他开发了TCR贪婪度和TCR聚类算法。

研究人员将TRTpred和算法过滤器的组合称为MixTRTpred。

为了验证他们的方法，Harari的团队在小鼠身上培养了人类肿瘤，从它们的TILs中提取了tcr，并使用MixTRTpred系统来鉴定具有肿瘤反应性、高亲和力和靶向多种肿瘤抗原的T细胞。然后，他们从老鼠身上提取T细胞来表达这些tcr，并证明这些细胞在转移到老鼠体内时可以消除肿瘤。

“这种方法有望克服目前基于TIL的治疗的一些缺点，特别是对于那些目前对这种治疗没有反应的肿瘤患者”。

“我们的共同努力将带来一种全新的T细胞疗法。”

这项研究得到了路德维希癌症研究所、瑞士国家科学基金会、癌症基金会、Mats paulsson基金会和Biltema基金会的支持。

Alexandre Harari是路德维希洛桑Hi-TIDe团队的PI，也是洛桑大学的副教授。