Advertencia: Esta página es una traducción de esta página originalmente en inglés. Tenga en cuenta ya que las traducciones son generadas por máquinas, no que todos traducción será perfecto. Este sitio Web y sus páginas están destinadas a leerse en inglés. Cualquier traducción de este sitio Web y su páginas Web puede ser imprecisa e inexacta en su totalidad o en parte. Esta traducción se proporciona como una conveniencia.

Los científicos de Luis desarrollan método robusto para refinar inmunoterapia personalizada del cáncer

Los científicos de la investigación de cáncer de Luis han desarrollado un nuevo y más exacto método para determinar los signos moleculares del cáncer probablemente de ser presentado a las células de T del ayudante, que estimulan y orquestran la inmunorespuesta a los tumores y a los agentes infecciosos. El estudio, llevado por David Gfeller y Michal Bassani-Sternberg del brazo de Lausanne del instituto de Luis para la investigación de cáncer, se denuncia en la aplicación actual la biotecnología de la naturaleza.

El nuevo método combina dos nuevas tecnologías potentes. Uno es una tecnología de la espectrometría de masa desarrollada por el laboratorio de Bassani-Sternberg obtiene a rápidamente y económicamente las series de aminoácido de millares de antígenos del péptido; o fragmentos de la proteína; limite a un complejo molecular conocido como HLA que se exprese en la superficie de células. La otra es una herramienta de cómputo nueva desarrollada en el laboratorio de Gfeller que se basa en el aprendizaje de máquina, la aproximación de cómputo que mueve por motor software del cara-reconocimiento, entre otras cosas.

Este método avance nuestro esfuerzo de encontrar los buenos objetivos para la inmunoterapia del cáncer. Pero es no sólo importante para las vacunas y otras inmunoterapias. Es también una herramienta que utilizaremos para la ciencia básica, para entender mejor la acción recíproca de cánceres con el sistema inmune.”

Michal Bassani-Sternberg del brazo de Lausanne del instituto de Luis para la investigación de cáncer

Las células enfermas y cacerígenas truncan hacia arriba las proteínas aberrantes asociadas a su enfermedad y visualizan los fragmentos de esas proteínas en sus superficies para sonar una alarma inmune. Hacen tan usando dos clases amplias de las moléculas de HLA: HLA-I, que activa las células de T del asesino que destruyen las células cacerígenas o infectadas, y HLA-II, que activa las células de T del ayudante.

Series de aminoácido distintas; o “adornos obligatorios” -; dirija el atascamiento de péptidos antigénicos a cada clase de las moléculas de HLA; los que faltan tales adornos no son presentados por las moléculas de HLA como objetivos de la inmunorespuesta. Conocer esos adornos permite así que los investigadores seleccionen la colección correcta de péptidos para servir como objetivos para (actualmente) las inmunoterapias experimentales que se adaptan al perfil molecular único del cáncer de un individuo.

Los investigadores son ya muy buenos en determinar los péptidos probablemente para atar HLA-I. Pero HLA-II ha probado más problemático. El “atar a HLA-II es haber entendido mucho menos bien,” dice Gfeller. “Solamente sabemos de la inmunología que la presentación de antígeno de HLA-II a las células de T del ayudante es absolutamente crítica a preparar la inmunorespuesta.” Los resultados de los estudios vaccíneos del cáncer reciente, por otra parte, han indicado que las células de T del ayudante son vital importantes para la inducción de inmunorespuestas antitumores efectivas.

Las reglas de atascamiento de HLA-II han sido duras precisar debido a la diversidad de las moléculas de HLA-II y a la complejidad de sus configuraciones obligatorias del péptido. Los investigadores presumieron que un análisis imparcial de las configuraciones del aminoácido en los péptidos encuadernados de HLA-II encontrados por la espectrometría de masa pudo revelar algunas de esas reglas. “Creímos que era muy importante desarrollar nuestro propio método de cómputo porque, esa manera, nosotros podría ajustarlo para abordar este problema determinado,” dice Gfeller.

Para desarrollar su modelo profético, las personas de Luis Lausanne aislaron más de 99.000 péptidos limitados a las moléculas de HLA-II y determinaron sus series de aminoácido. Gfeller y su postdoc Julien Racle introdujeron este grupo de datos enorme a su algoritmo de aprendizaje de máquina, MoDec (para la deconvolución del adorno), e hicieron que buscara adornos obligatorios de HLA-II.

Los resultados de MoDec fueron utilizados para entrenar a un algoritmo para predecir la capacidad obligatoria de HLA-II de péptidos de una variedad de tumores y de patógeno. La identificación del calculador de péptidos HLA-II-obligatorios inmunogenéticos demostró, por el cómputo de los investigadores, ser por lo menos mejor doble que ésos logrado por esfuerzos anteriores.

El algoritmo del calculador se está ejecutando ya en el programa de Luis Lausanne para desarrollar las inmunoterapias individualizadas para el cáncer. Además, los investigadores señalan que su trabajo es probable ser útil a los estudios y a las intervenciones para las enfermedades autoinmunes e infecciosas también.

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.