Avertissement : Cette page est une traduction automatique de cette page à l'origine en anglais. Veuillez noter puisque les traductions sont générées par des machines, pas tous les traduction sera parfaite. Ce site Web et ses pages Web sont destinés à être lus en anglais. Toute traduction de ce site et de ses pages Web peut être imprécis et inexacte, en tout ou en partie. Cette traduction est fournie dans une pratique.

Les scientifiques de Ludwig développent la méthode robuste pour raffiner l'immunothérapie du cancer personnalisée

Les scientifiques de cancérologie de Ludwig ont développé une méthode neuve et plus précise pour recenser les signes moléculaires de cancer vraisemblablement d'être présenté aux cellules de T d'aide, qui stimulent et orchestrent la réaction immunitaire aux tumeurs et aux agents infectieux. L'étude, aboutie par David Gfeller et Michal Bassani-Sternberg de la succursale de Lausanne de l'institut de Ludwig pour la cancérologie, est rapportée dans la question actuelle de la biotechnologie de nature.

La méthode neuve combine deux technologies neuves puissantes. On est une technologie de spectrométrie de masse développée par le laboratoire de Bassani-Sternberg obtiennent à rapidement et économiquement les séquences des acides aminés de milliers d'antigènes de peptide ; ou éclats de protéine ; bondissez à un composé moléculaire connu sous le nom de HLA qui est exprimé sur la surface des cellules. L'autre est un outil de calcul nouvel développé dans le laboratoire de Gfeller qui est basé sur l'apprentissage automatique, l'approche de calcul qui actionne le logiciel de reconnaissance des visages, notamment.

Cette méthode avance notre effort pour trouver de bons objectifs pour l'immunothérapie du cancer. Mais il est non seulement important pour des vaccins et d'autres immunothérapies. C'est également un outil que nous emploierons pour la science fondamentale, pour comprendre mieux l'interaction des cancers avec le système immunitaire. »

Michal Bassani-Sternberg de la succursale de Lausanne de l'institut de Ludwig pour la cancérologie

Le malade et les cellules cancéreuses hachent les protéines anormales liées à leur maladie et manifestent des éclats de ces protéines sur leurs surfaces pour déclencher une alarme immunisée. Ils font ainsi utilisant deux grandes catégories de molécules de HLA : HLA-I, qui active les cellules de T de tueur qui détruisent les cellules cancéreuses ou infectées, et HLA-II, qui active des cellules de T d'aide.

Séquences acides aminées distinctes ; ou « motifs » grippants - ; dirigez la liaison des peptides antigéniques vers chaque classe des molécules de HLA ; ceux qui manquent de tels motifs ne sont pas présentés par des molécules de HLA comme objectifs de la réaction immunitaire. Connaître ces motifs permet ainsi à des chercheurs de sélecter la bonne collection de peptides pour servir d'objectifs (actuel) aux immunothérapies expérimentales qui sont conçues en fonction le seul profil moléculaire du cancer d'une personne.

Les chercheurs sont déjà tout à fait bons pour recenser des peptides vraisemblablement pour gripper HLA-I. Mais HLA-II a plus problématique prouvé. « Gripper à HLA-II est comprise beaucoup moins bonne, » dit Gfeller. « Mais nous savons de l'immunologie que la présentation des antigènes de HLA-II aux cellules de T d'aide est absolument critique à amorcer la réaction immunitaire. » Les résultats des études vacciniques de cancer récent ont d'ailleurs indiqué que les cellules de T d'aide sont extrèmement importantes pour l'admission des réactions immunitaires antitumorales efficaces.

Les règles du grippement de HLA-II ont été dures pour coincer en raison de la diversité des molécules de HLA-II et de la complexité de leurs configurations obligatoires de peptide. Les chercheurs ont présumé qu'une analyse impartiale des configurations acides aminées dans les peptides attachés de HLA-II trouvés par spectrométrie de masse pourrait indiquer certaines de ces règles. « Nous avons cru qu'il était très important de développer notre propre méthode de calcul parce que, de cette façon, nous pourrait la régler avec précision pour traiter ce problème particulier, » dit Gfeller.

Pour développer leur modèle prévisionnel, l'équipe de Ludwig Lausanne a isolé plus de 99.000 peptides liés aux molécules de HLA-II et a déterminé leurs séquences des acides aminés. Gfeller et son postdoc Julien Racle ont alimenté cet ensemble de données gargantuesque à leur algorithme d'apprentissage automatique, MoDec (pour la déconvolution de motif), et l'ont fait rechercher des motifs obligatoires de HLA-II.

Les résultats de MoDec ont été employés pour former un algorithme pour prévoir la capacité obligatoire de HLA-II des peptides d'un grand choix de tumeurs et d'agents pathogènes. L'identification du facteur prédictif des peptides HLA-II-grippants immunogènes prouvés, par le compte des chercheurs, pour être au moins meilleur double que ceux réalisé par des efforts précédents.

L'algorithme de facteur prédictif déjà est mis en application en programme de Ludwig Lausanne pour développer des immunothérapies personnalisées pour le cancer. De plus, les chercheurs précisent que leur travail est susceptible d'être utile aux études et aux interventions pour auto-immune et des maladies infectieuses aussi bien.

Source:
Journal reference:

Racle, J. et al. (2019) Robust prediction of HLA class II epitopes by deep motif deconvolution of immunopeptidomes. Nature Biotechnology. doi.org/10.1038/s41587-019-0289-6.