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.

La técnica de AI podía llevar a las nuevas maneras de predecir pronóstico del cáncer y la reacción del tratamiento

Los investigadores y los científicos de los datos en el centro médico al sudoeste de UT y el Doctor en Medicina centro del cáncer de Anderson han desarrollado una técnica de la inteligencia artificial que puede determinar que los péptidos superficiales de la célula producidos por las células cancerosas llamaron los neoantigens son reconocidos por el sistema inmune.

La técnica del pMTnet, detallada en línea en inteligencia de máquina de la naturaleza, podía llevar a las nuevas maneras de predecir pronóstico del cáncer y correspondencia del potencial a las inmunoterapias.

La determinación de qué neoantigens atan al linfocito T los receptores y de cuáles no lo hacen ha parecido como una hazaña imposible. Pero con el aprendizaje de máquina, estamos haciendo progreso.”

El Dr. Tao Wang, Ph.D., estudia al autor mayor, y profesor adjunto, población y las ciencias de los datos, centro médico al sudoeste de UT

Las mutaciones en el genoma de células cancerosas las hacen visualizar diversos neoantigens en sus superficies. Algunos de estos neoantigens son reconocidos por las células de T inmunes que cazan para los signos del cáncer y de los invasores no nativos, permitiendo que a las células cancerosas destruyan el sistema inmune. Sin embargo, otros parecen invisibles a las células de T, permitiendo que los cánceres crezcan desenfrenados.

“Para el sistema inmune, la presencia de neoantigens es una de las diferencias más grandes entre las células normales y del tumor,” dijo a Tianshi Lu, primer co-autor con Ze Zhang, estudiantes doctorales en el laboratorio de Tao Wang, que utiliza la bioinformática avanzada y la bioestadística se acerca para estudiar las implicaciones de la inmunología del tumor para el tumorigenesis, la metástasis, el pronóstico, y la reacción del tratamiento en una variedad de cánceres. “Si podemos imaginar que los neoantigens estimulan una inmunorespuesta, después podemos poder utilizar este conocimiento en una variedad de maneras diferentes de luchar el cáncer,” ms Lu dijo.

El poder predecir qué neoantigens son reconocidos por las células de T podría ayudar a investigadores a desarrollar las vacunas personalizadas del cáncer, terapias célula-basadas T del ingeniero mejor, o predice que como de bien los pacientes pudieron responder a otros tipos de inmunoterapias. Pero hay decenas de miles de diversos neoantigens, y los métodos a predecir cuáles gatillo que una reacción del linfocito T ha demostrado ser que toma tiempo, técnico desafiando, y costoso.

Explorando para una mejor técnica con el apoyo de concesiones de los institutos nacionales de la salud (NIH) y de la prevención de cáncer y del instituto de investigación de Tejas (CPRIT), el equipo de investigación observaba al aprendizaje de máquina. Entrenaron a un algoritmo aprender-basado profundo que nombraron el pMTnet usando datos del atascamiento sabido o de combinaciones nonbinding de tres diversos componentes: neoantigens; las proteínas llamaron los complejos importantes de la histocompatibilidad (MHCs) que alisan los actuales neoantigens en la célula cancerosa; y los receptores del linfocito T (TCRs) responsables de reconocer los complejos del neoantigen-MHC.

Entonces probaron el algoritmo contra un grupo de datos desarrollado a partir de 30 diversos estudios que habían determinado experimental el atascamiento o pares nonbinding del célula-receptor del neoantigen T. Este experimento mostró que los nuevos algoritmos tenían un de alto nivel de la exactitud.

Los investigadores utilizaron esta nueva herramienta para recolectar discernimientos en los neoantigens catalogados en el atlas del genoma del cáncer, una base de datos pública que lleva a cabo la información de más de 11.000 tumores primarios. el pMTnet mostró que los neoantigens accionan generalmente una inmunorespuesta más fuerte comparada con los antígenos tumor-asociados. También predijo qué pacientes tenían mejores reacciones a las terapias inmunes del bloqueo del punto de verificación y tenían mejores tasas de supervivencia totales.

“Como inmunologista, el obstáculo más importante que hace frente actualmente a inmunoterapia es la capacidad de determinar se reconocen qué antígenos por los cuales las células de T para leverage estos pairings para los propósitos terapéuticos,” dijo a Alejandro correspondiente Reuben autor, Ph.D., profesor adjunto de la Torácico-Culata de cilindro y oncología médica del cuello en el Doctor en Medicina Anderson. el “pMTnet supera sus opciones actuales y nos trae importante más cercano a este objetivo.”

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.