Attenzione: questa pagina è una traduzione automatica di questa pagina originariamente in lingua inglese. Si prega di notare in quanto le traduzioni sono generate da macchine, non tutte le traduzioni saranno perfetti. Questo sito web e le sue pagine web sono destinati ad essere letto in inglese. Ogni traduzione del sito e le sue pagine web possono essere imprecise e inesatte, in tutto o in parte. Questa traduzione è fornita per comodità.

Gli scienziati di Ludwig mettono a punto il metodo robusto per raffinare l'immunoterapia personale del cancro

Gli scienziati di ricerca sul cancro di Ludwig hanno messo a punto un nuovo e metodo più accurato per identificare i segni molecolari di cancro probabilmente essere presentato alle celle di T dell'assistente, che stimolano ed orchestrano la risposta immunitaria ai tumori ed agli agenti infettante. Lo studio, piombo da David Gfeller e da Michal Bassani-Sternberg del ramo di Losanna dell'istituto di Ludwig per ricerca sul cancro, è riferito nella questione attuale di biotecnologia della natura.

Il nuovo metodo combina due nuove tecnologie potenti. Uno è una tecnologia di spettrometria di massa sviluppata dal laboratorio di Bassani-Sternberg a rapido ed a buon mercato ottiene le sequenze aminoacidiche di migliaia di antigeni del peptide; o frammenti della proteina; limiti ad un complesso molecolare conosciuto come HLA che è espresso sulla superficie delle celle. L'altro è uno strumento di calcolo novello sviluppato nel laboratorio di Gfeller che è basato sull'apprendimento automatico, l'approccio di calcolo che alimenta il software del fronte di taglio-riconoscimento, tra l'altro.

Questo metodo avanza il nostro sforzo per trovare i buoni obiettivi per immunoterapia del cancro. Ma è non solo importante per i vaccini ed altre immunoterapie. È egualmente uno strumento che useremo per scienza di base, per capire meglio l'interazione dei cancri con il sistema immunitario.„

Michal Bassani-Sternberg del ramo di Losanna dell'istituto di Ludwig per ricerca sul cancro

Le celle malate e cancerogene tagliano sulle proteine a pezzi aberranti connesse con la loro malattia e video i frammenti di quelle proteine sulle loro superfici per dare un allarme immune. Agiscono in tal modo facendo uso di due vaste classi di molecole di HLA: HLA-I, che attiva le celle di T dell'uccisore che distruggono le celle cancerogene o infettate e HLA-II, che attiva le celle di T dell'assistente.

Sequenze di amminoacido distinte; o “motivi„ leganti -; diriga il legame dei peptidi antigenici verso ogni classe di molecole di HLA; quelli che mancano di tali motivi non sono presentati dalle molecole di HLA come obiettivi della risposta immunitaria. Conoscere quei motivi permette così che i ricercatori selezionino la giusta raccolta dei peptidi per servire da obiettivi per (corrente) le immunoterapie sperimentali che sono adeguate al profilo molecolare unico del cancro di una persona.

I ricercatori sono già abbastanza buoni ad identificare i peptidi probabilmente per legare HLA-I. Ma HLA-II ha provato più problematico. “Legare a HLA-II è capita molto meno buona,„ dice Gfeller. “Ma sappiamo dall'immunologia che la presentazione di antigene di HLA-II alle celle di T dell'assistente è assolutamente critica ad innescare la risposta immunitaria.„ I risultati degli studi vaccino del cancro recente, inoltre, hanno indicato che le celle di T dell'assistente sono estremamente importanti all'induzione di efficaci risposte immunitarie antitumorali.

Le norme dell'associazione di HLA-II sono state dure da bloccare dovuto la diversità delle molecole di HLA-II e la complessità dei loro reticoli obbligatori del peptide. I ricercatori hanno supposto che un'analisi imparziale dei reticoli dell'amminoacido nei peptidi rilegati di HLA-II trovati tramite spettrometria di massa potrebbe rivelare alcune di quelle norme. “Abbiamo creduto che fosse molto importante mettere a punto il nostro proprio metodo di calcolo perché, quel modo, noi potrebbe regolarlo per affrontare questo problema particolare,„ dicesse Gfeller.

Per sviluppare il loro modello premonitore, il gruppo di Ludwig Losanna ha isolato più di 99.000 peptidi limitati alle molecole di HLA-II ed ha determinato le loro sequenze aminoacidiche. Gfeller ed il suo postdoc Julien Racle hanno alimentato questo gruppo di dati pantagruelico al loro algoritmo di apprendimento automatico, MoDec (per deconvolution di motivo) e lo hanno fatto cercare i motivi obbligatori di HLA-II.

I risultati di MoDec sono stati usati per preparare un algoritmo per predire la capacità obbligatoria di HLA-II dei peptidi da vari tumori ed agenti patogeni. L'identificazione del preannunciatore dei peptidi immunogeni dell'HLA-II-associazione è risultato, dal conto dei ricercatori, essere almeno migliore doppiamente di quelle raggiunto dagli sforzi precedenti.

L'algoritmo del preannunciatore già sta applicando nel programma di Ludwig Losanna per sviluppare le immunoterapie individualizzate per cancro. Più ulteriormente, i ricercatori precisano che il loro lavoro è probabile essere utile agli studi ed agli interventi per autoimmune e le malattie infettive pure.

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.