هوش مصنوعی سلولهای قاتل سرطان را شناسایی میکند

با استفاده از هوش مصنوعی، دانشمندان یک مدل پیش بینی برای شناسایی قوی ترین سلول های ایمنی کشنده سرطان و ارائه ایمونوتراپی سرطان ایجاد کرده اند.
به گزارش سرگرمی روز، یک مدل پیشبینیکننده جدید میتواند همراه با چندین الگوریتم برای درمان شخصیشده سرطان مورد استفاده قرار گیرد که درمان را با ترکیب سلولی منحصربهفرد تومورهای هر بیمار منطبق میکند.
الکساندر هراری از مرکز تحقیقات سرطان لودویگ، که این مطالعه را به همراه رمی پترماند، فارغ التحصیل این مرکز هدایت می کرد، گفت: “پیاده سازی هوش مصنوعی در سلول درمانی یک چالش جدید است و ممکن است بتواند این روش را تغییر دهد.” درمان و ارائه گزینه های بالینی جدید برای بیماران.
ایمونوتراپی سلولی شامل استخراج سلولهای ایمنی از تومور بیمار، مهندسی آنها برای تقویت تواناییهای طبیعی مبارزه با سرطان و پیوند مجدد آنها به بدن پس از رشد است. سلول های T یکی از دو نوع اصلی گلبول های سفید یا لنفوسیت ها هستند که در خون گردش می کنند و سلول های آلوده به ویروس یا سرطان را جستجو می کنند.
سلول های T که به تومورهای جامد نفوذ می کنند به عنوان لنفوسیت های نفوذ کننده تومور (TIL) شناخته می شوند. با این حال، همه لنفوسیت های نفوذ کننده تومور در شناسایی و حمله به سلول های تومور کارآمد نیستند. هراری توضیح داد: در واقع تنها کسری از لنفوسیت ها به تومور پاسخ می دهند و بیشتر آن ها تماشاچی هستند. چالشی که ما با آن روبرو بودیم شناسایی تعداد کمی از لنفوسیت های نفوذ کننده تومور بود. این لنفوسیت ها به گیرنده های سلول T مجهز هستند که می توانند آنتی ژن های روی تومور را تشخیص دهند.
برای انجام این کار، هراری و تیمش یک مدل پیشبینی مبتنی بر هوش مصنوعی به نام TRTpred ایجاد کردند که میتواند گیرندههای سلول T یا TCR را بر اساس واکنشپذیری تومور هدف رتبهبندی کند. برای توسعه TRTpred، آنها از 235 گیرنده سلول T جمع آوری شده از بیماران مبتلا به ملانوم متاستاتیک که قبلاً به عنوان واکنش دهنده یا غیر واکنش دهنده به تومور طبقه بندی شده بودند، استفاده کردند. تیم تحقیقاتی پروفایل های بیان ژن سلول های T را که هر گیرنده سلول T را دارند در یک مدل یادگیری ماشین بارگذاری کردند تا الگوهایی را شناسایی کنند که سلول های T واکنش دهنده به تومور را از همتایان غیرفعال خود متمایز می کند.
هراری توضیح داد که TRTpred می تواند از یک جمعیت سلول T یاد بگیرد و یک قانون برای اعمال در یک جمعیت جدید ایجاد کند. بنابراین وقتی با یک گیرنده سلول T جدید مواجه می شویم، مدل می تواند مشخصات آن را بخواند و پیش بینی کند که آیا تومور پاسخ می دهد یا خیر.
مدل TRTpred لنفوسیت های نفوذ کننده تومور را در 42 بیمار سرطانی ملانوما و دستگاه گوارش، ریه و پستان مورد تجزیه و تحلیل قرار داد و گیرنده های سلول T واکنش دهنده به تومور را با دقت 90 درصد شناسایی کرد. محققان فرآیند انتخاب لنفوسیت های نفوذ کننده به تومور خود را با استفاده از یک فیلتر ثانویه که فقط سلول های T واکنش دهنده به تومور را غربال می کرد، اصلاح کردند. یعنی فقط سلول هایی که رابطه قوی با آنتی ژن های تومور دارند.
هراری گفت: “TRTpred به شدت پیش بینی می کند که آیا گیرنده سلول T واکنش دهنده به تومور است یا نه، اما برخی از گیرنده های واکنش دهنده به تومور اتصال قوی به سلول های تومور ایجاد می کنند و بنابراین بسیار موثر هستند.” در حالی که دیگران از روی تنبلی این کار را انجام می دهند. تمایز بین پیوندهای قوی و ضعیف نشان دهنده اثربخشی است.
محققان نشان دادند که سلولهای T با استفاده از TRTpred به تومورها پاسخ میدهند و الگوریتم ثانویه اغلب به تومورها محلی میشود. نتایج این مطالعه با سایر مطالعات نشان می دهد که سلول های T موثر معمولاً به عمق تومور نفوذ می کنند مطابقت دارد.
سپس محققان فیلتر سومی را برای به حداکثر رساندن تشخیص آنتی ژن های تومور معرفی کردند. هراری گفت: “ما می خواهیم این شانس را که لنفوسیت های نفوذ کننده تومور تا حد ممکن آنتی ژن های مختلف را هدف قرار دهند، به حداکثر برسانیم.”
این فیلتر نهایی گیرنده های سلول T را بر اساس خواص فیزیکی و شیمیایی مشابه به چندین گروه سازماندهی می کند. فرضیه محققان این است که گیرنده های سلول T در هر خوشه همان آنتی ژن را تشخیص می دهند. وینسنت زویت، محقق مرکز تحقیقات سرطان لودویگ که الگوریتم های خوشه بندی گیرنده سلول T را توسعه داده است، می گوید: «بنابراین ما یک گیرنده سلول T را در هر خوشه انتخاب می کنیم تا شانس هدف قرار دادن یک آنتی ژن خاص را افزایش دهیم.
محققان ترکیب فیلترهای TRTpred و الگوریتمی را “MixTRTpred” می نامند.
برای تایید روش خود، گروه هراری تومورهای انسانی را در موش کاشته، گیرنده های سلول T را از لنفوسیت های نفوذ کننده تومور آنها استخراج کردند و از سیستم MixTRTpred برای شناسایی سلول های T که به تومور پاسخ می دادند و آنتی ژن های متعددی را در تومور هدف بیان می کردند، استفاده کردند. آنها سپس سلول های T مشتق شده از موش را برای بیان گیرنده های سلول T مهندسی کردند و نشان دادند که این سلول ها می توانند تومورها را در صورت انتقال به موش از بین ببرند.
«جورج کوکوس» یکی از محققان این پروژه که قصد دارد اولین مرحله از آزمایش بالینی را برای آزمایش این فناوری در بیماران آغاز کند، گفت: این روش نویدبخش رفع برخی از نواقص درمان مبتنی بر لنفوسیت های نفوذ کننده تومور است. . به خصوص برای بیماران مبتلا به تومور که نمی توانند به چنین درمانی پاسخ دهند. تلاش های مشترک ما یک روش کاملاً جدید برای درمان سلول های T ایجاد می کند.
این تحقیق در مجله Nature Biotechnology منتشر شده است.