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.

La tecnica di AI ha potuto piombo ai nuovi modi predire la prognosi del cancro e la risposta del trattamento

I ricercatori e gli scienziati di dati al centro sudoccidentale del Cancro del centro medico di UT e di Anderson di MD hanno sviluppato una tecnica di intelligenza artificiale che può identificare che i peptidi di superficie delle cellule prodotti dalle cellule tumorali hanno chiamato neoantigens sono riconosciuti dal sistema immunitario.

La tecnica del pMTnet, dettagliata online nell'intelligenza artificiale della natura, ha potuto piombo ai nuovi modi predire la prognosi del cancro e la risposta di potenziale alle immunoterapie.

La determinazione quali neoantigens legano ai ricevitori a cellula T e dei quale non fanno è sembrato come un'abilità impossibile. Ma con l'apprendimento automatico, stiamo realizzando i progressi.„

Il Dott. Tao Wang, Ph.D., studia l'autore senior e assistente universitario, popolazione e scienze di dati, centro medico sudoccidentale di UT

Le mutazioni nel genoma delle cellule tumorali le inducono a video i neoantigens differenti sulle loro superfici. Alcuni di questi neoantigens sono riconosciuti dalle celle di T immuni che cercano per i segni di cancro e degli invasori non Xeros, permettendo che le cellule tumorali si distruggano dal sistema immunitario. Tuttavia, altri sembrano invisibili alle celle di T, permettendo che i cancri si sviluppino incontrollati.

“Per il sistema immunitario, la presenza di neoantigens è una di più grandi differenze fra il normale e celle del tumore,„ ha detto Tianshi la LU, primo co-author con Ze Zhang, studenti di laurea nel laboratorio di Tao Wang, che usa gli approcci avanzati della biostatistica e di bioinformatica per studiare le implicazioni dell'immunologia del tumore per il tumorigenesis, la metastasi, la prognosi e la risposta del trattamento in vari cancri. “Se possiamo capire quali neoantigens stimolano una risposta immunitaria, quindi possiamo potere utilizzare questa conoscenza in vari modi diversi di combattere il cancro,„ sig.ra Lu ha detto.

Potere predire quali neoantigens sono riconosciuti dalle celle di T potrebbe aiutare i ricercatori a sviluppare meglio i vaccini personali del cancro, a terapie basate a cella dell'ingegnere T, o che predice che come i pazienti potrebbero rispondere ad altri tipi di immunoterapie. Ma ci sono decine di migliaia di neoantigens differenti e metodi da predire quale grilletto che una risposta a cellula T è risultato essere che richiede tempo, tecnicamente sfidando e costoso.

Cercando una migliore tecnica con il supporto delle concessioni dagli istituti nazionali dell'istituto di ricerca di salubrità (NIH) e di prevenzione del cancro e del Texas (CPRIT), il gruppo di ricerca ha guardato all'apprendimento automatico. Hanno preparato ad un algoritmo basato imparare profondo che hanno nominato il pMTnet facendo uso dei dati dall'associazione conosciuta o dalle combinazioni nonbinding di tre componenti differenti: neoantigens; le proteine hanno chiamato i complessi importanti di istocompatibilità (MHCs) che i neoantigens attuali sulla cellula tumorale affiora; ed i ricevitori a cellula T (TCRs) responsabili del riconoscimento dei complessi del neoantigen-MHC.

Poi hanno verificato l'algoritmo contro un gruppo di dati sviluppato da 30 studi differenti che avevano identificato sperimentalmente l'associazione o le paia nonbinding di recettore delle cellule t di neoantigen. Questo esperimento ha indicato che i nuovi algoritmi hanno avuti un ad alto livello di accuratezza.

I ricercatori hanno utilizzato questo nuovo strumento per riunire le comprensioni sui neoantigens catalogati nell'atlante del genoma del Cancro, un database pubblico che tiene le informazioni da più di 11.000 tumori primari. il pMTnet ha indicato che i neoantigens avviano generalmente una più forte risposta immunitaria rispetto agli antigeni tumore-associati. Egualmente ha predetto quali pazienti hanno avuti migliori risposte alle terapie immuni del blocco del controllo ed hanno avuti migliori tassi di sopravvivenza globali.

“Come immunologo, la transenna più significativa corrente che affronta l'immunoterapia è la capacità di determinare quali antigeni sono riconosciuti da cui celle di T per fare leva questi pairings per gli scopi terapeutici,„ ha detto Alexandre corrispondente Reuben autore, Ph.D., assistente universitario della Toracico-Testa & l'oncologia medica del collo al MD Anderson. “il pMTnet supera le sue alternative correnti e ci porta significativamente più vicino a questo obiettivo.„

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.