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.

La technique IA A pu mener aux voies neuves de prévoir le pronostic et la réponse au traitement de cancer

Les chercheurs et les scientifiques de caractéristiques au centre médical du sud-ouest d'UT et au centre de lutte contre le cancer de DM Anderson ont développé une technique d'artificial intelligence qui peut recenser que des peptides extérieurs de cellules produits par les neoantigens appelés de cellules cancéreuses sont identifié par le système immunitaire.

La technique de pMTnet, détaillée en ligne dans l'intelligence informatique de nature, a pu mener aux voies neuves de prévoir le pronostic de cancer et la réactivité de potentiel aux immunothérapies.

La détermination quels neoantigens grippent aux récepteurs à cellule T et ce qui ne font pas a semblé comme un exploit impossible. Mais avec l'apprentissage automatique, nous accomplissons le progrès. »

M. Tao Wang, Ph.D., auteur supérieur d'étude, et professeur adjoint, population et sciences de caractéristiques, centre médical du sud-ouest d'UT

Les mutations dans le génome des cellules cancéreuses les font manifester différents neoantigens sur leurs surfaces. Certains de ces neoantigens sont identifiés par les cellules de T immunisées qui chassent pour des signes de cancer et d'envahisseurs étrangers, permettant à des cellules cancéreuses d'être détruites par le système immunitaire. Cependant, d'autres semblent invisibles aux cellules de T, permettant à des cancers de se développer non réprimés.

« Pour le système immunitaire, la présence des neoantigens est l'une des plus grandes différences entre la normale et les cellules tumorales, » a dit Tianshi Lu, le premier co-auteur avec Ze Zhang, étudiants au doctorat dans le laboratoire de Tao Wang, qui emploie la bio-informatique de pointe et la Biostatistique s'approche pour étudier les implications de l'immunologie de tumeur pour la tumorigenèse, la métastase, le pronostic, et la réponse au traitement dans un grand choix de cancers. « Si nous pouvons figurer à l'extérieur que les neoantigens stimulent une réaction immunitaire, puis nous pouvons pouvoir employer cette connaissance d'un grand choix de différentes voies de combattre le cancer, » Mme Lu a dit.

Pouvoir prévoir quels neoantigens sont identifiés par les cellules de T pourrait aider des chercheurs à développer les vaccins personnalisés de cancer, traitements cellulaires du technicien mieux T, ou prévoit qu'à quel point les patients pourraient répondre à d'autres types d'immunothérapies. Mais il y a des dizaines de milliers de différents neoantigens, et des méthodes à prévoir lesquels le déclencheur une réaction à cellule T a prouvé à être long, techniquement contestant, et coûteux.

Recherchant une meilleure technique avec le soutien des concessions des instituts de la santé nationaux (NIH) et la prévention contre le cancer et l'institut de recherches du Texas (CPRIT), l'équipe de recherche a examiné à l'apprentissage automatique. Ils ont formé un algorithme apprendre profond qu'ils ont nommé le pMTnet utilisant des caractéristiques du grippement connu ou des combinaisons non contraignantes de trois composantes différentes : neoantigens ; composés importants appelés d'histocompatibilité de protéines (MHCs) que les neoantigens actuels sur la cellule cancéreuse apprête ; et les récepteurs à cellule T (TCRs) responsables d'identifier les composés de neoantigen-MHC.

Ils ont alors vérifié l'algorithme contre un ensemble de données développé à partir de 30 études différentes qui avaient expérimental recensé le grippement ou les paires non contraignantes de récepteur cellulaire du neoantigen T. Cette expérience a prouvé que les algorithmes neufs ont eu un haut niveau d'exactitude.

Les chercheurs ont utilisé cet outil neuf pour recueillir des analyses sur des neoantigens catalogués dans l'atlas de génome de cancer, une base de données publique qui retient l'information de plus de 11.000 tumeurs primaires. le pMTnet a prouvé que les neoantigens déclenchent généralement une réaction immunitaire plus intense avec les antigènes tumeur-associés. Il a également prévu quels patients ont eu de meilleures réactions aux traitements immunisés de blocus de point de reprise et ont eu de meilleurs taux de survie généraux.

« En tant qu'Immunologue, la barrière la plus significative faisant face actuel à l'immunothérapie est la capacité de déterminer quels antigènes sont identifiés par lesquels des cellules de T afin d'influencer ces pairings pour des buts thérapeutiques, » a dit l'auteur Alexandre correspondant Reuben, Ph.D., professeur adjoint de l'oncologie médicale Tête thoracique et de col à DM Anderson. le « pMTnet surpasse ses solutions de rechange actuelles et nous amène de manière significative plus près de cet objectif. »

Source:
Journal reference:

Lu, T., et al. (2021) Deep learning-based prediction of the T cell receptor–antigen binding specificity. Nature Machine Intelligence. doi.org/10.1038/s42256-021-00383-2.