Compartir este artículo

Científicos desarrollan un método de inteligencia artificial para predecir la inmunidad contra el cáncer

Investigadores y científicos de datos de UT Southwestern Medical Center y MD Anderson Cancer Center han desarrollado una técnica de inteligencia artificial que puede identificar qué péptidos de la superficie celular producidos por células cancerosas llamadas neoantígenos son reconocidos por el sistema inmunológico.

La técnica pMTnet, que se detalla en línea en Nature Machine Intelligence , podría conducir a nuevas formas de predecir el pronóstico del cáncer y la capacidad de respuesta potencial a las inmunoterapias.

«Determinar qué neoantígenos se unen a los receptores de células T y cuáles no parece una hazaña imposible. Pero con el aprendizaje automático, estamos progresando», dijo el autor principal, el Dr. Tao Wang, Ph.D., profesor asistente de población y Data Sciences, y con el Harold C. Simmons Comprehensive Cancer Center y el Center for Genetics of Host Defense en UT Southwestern.

Las mutaciones en el genoma de las células cancerosas hacen que presenten diferentes neoantígenos en sus superficies. Algunos de estos neoantígenos son reconocidos por células T inmunes que buscan signos de cáncer e invasores extraños, lo que permite que el sistema inmunológico destruya las células cancerosas . Sin embargo, otros parecen invisibles para las células T, lo que permite que los cánceres crezcan sin control.

«Para el sistema inmunológico, la presencia de neoantígenos es una de las mayores diferencias entre las células normales y las tumorales «, dijo Tianshi Lu, primer coautor con Ze Zhang, estudiantes de doctorado en el laboratorio Tao Wang, que utiliza tecnología de punta -art enfoques bioinformáticos y bioestadísticos para estudiar las implicaciones de la inmunología tumoral para la tumorigénesis, metástasis, pronóstico y respuesta al tratamiento en una variedad de cánceres. «Si podemos averiguar qué neoantígenos estimulan una respuesta inmunitaria, entonces podríamos utilizar este conocimiento en una variedad de formas diferentes para combatir el cáncer», dijo la Sra. Lu.

Ser capaz de predecir qué neoantígenos son reconocidos por las células T podría ayudar a los investigadores a desarrollar vacunas personalizadas contra el cáncer, diseñar mejores terapias basadas en células T o predecir qué tan bien los pacientes podrían responder a otros tipos de inmunoterapias. Pero hay decenas de miles de neoantígenos diferentes, y los métodos para predecir cuáles desencadenan una respuesta de células T han demostrado ser lentos, técnicamente desafiantes y costosos.

Buscando una mejor técnica con el apoyo de subvenciones de los Institutos Nacionales de Salud (NIH) y el Instituto de Investigación y Prevención del Cáncer de Texas (CPRIT), el equipo de investigación se centró en el aprendizaje automático . Están preparados para un aprendizaje profundo algoritmo basado en que nombraron pMTnet utilizando los datos de unión o no vinculante conocido combinaciones de tres componentes diferentes: neoant?genos; proteínas llamadas complejos principales de histocompatibilidad (MHC) que presentan neoantígenos en la superficie de las células cancerosas ; y los receptores de células T (TCR) responsables de reconocer el neoantígeno-Complejos MHC. Luego probaron el algoritmo contra un conjunto de datos desarrollado a partir de 30 estudios diferentes que habían identificado experimentalmente pares de células T neoantígenas vinculantes o no vinculantes-receptor. Este experimento demostró que los nuevos algoritmos tenían un alto nivel de precisión.

Los investigadores utilizaron esta nueva herramienta para recopilar información sobre los neoantígenos catalogados en The Cancer Genome Atlas , una base de datos pública que contiene información de más de 11.000 tumores primarios. pMTnet mostró que los neoantígenos generalmente desencadenan una respuesta inmune más fuerte en comparación con los antígenos asociados a tumores. También predijo qué pacientes tenían mejores respuestas a las terapias de bloqueo de puntos de control inmunológico y tenían mejores tasas de supervivencia general.

«Como inmunólogo, el obstáculo más importante que enfrenta actualmente la inmunoterapia es la capacidad de determinar qué antígenos son reconocidos por qué células T con el fin de aprovechar estos emparejamientos con fines terapéuticos», dijo el autor correspondiente Alexandre Reuben, Ph.D., profesor asistente de Oncología Médica Torácica-Cabeza y Cuello en MD Anderson. «pMTnet supera a sus alternativas actuales y nos acerca significativamente a este objetivo».

Artículos relacionados