Классификатор машинного обучения ускоряет разработку клеточной иммунотерапии

Прочитано: 56 раз(а)


Создание персонализированной Т-клеточной терапии для больных раком в настоящее время занимает не менее шести месяцев; ученые из Немецкого онкологического исследовательского центра (DKFZ) и Университетского медицинского центра Мангейма показали, что трудоемкий первый шаг по выявлению опухолереактивных Т-клеточных рецепторов у пациентов можно заменить классификатором машинного обучения, который сокращает это время вдвое.

Персонализированная клеточная иммунотерапия считается многообещающим новым вариантом лечения различных типов рака. Одним из терапевтических подходов, тестируемых в настоящее время, являются так называемые «трансгенные Т-клетки к рецепторам Т-клеток». Идея, лежащая в основе этого, заключается в том, что иммунные Т-клетки пациента в лаборатории оснащаются для распознавания собственной уникальной опухоли пациента, а затем реинфузируются в больших количествах для эффективного уничтожения опухолевых клеток .

Разработка таких методов лечения – сложный процесс. Сначала врачи изолируют проникающие в опухоль Т-клетки (TIL) из образца опухолевой ткани пациента. Затем в этой клеточной популяции ищут рецепторы Т-клеток, которые распознают опухолеспецифические мутации и, таким образом, могут убивать опухолевые клетки.

Этот поиск трудоемок и до сих пор требовал знания специфичных для опухоли мутаций, которые приводят к изменениям белка, распознаваемым иммунной системой пациента. За это время опухоль постоянно мутирует и распространяется, превращая этот шаг в гонку со временем.

«Найти нужные рецепторы Т-клеток — это все равно, что искать иголку в стоге сена, это дорого и отнимает много времени», — говорит Майкл Платтен, заведующий отделением DKFZ и директор отделения неврологии Университетского медицинского центра Мангейма. «Благодаря методу, который позволяет нам идентифицировать опухолереактивные Т-клеточные рецепторы независимо от знания соответствующих опухолевых эпитопов, этот процесс можно значительно упростить и ускорить».

Команда под руководством Платтена и руководителя совместного исследования Эда Грина в недавней публикации представила новую технологию, которая может достичь именно этой цели. В качестве отправной точки исследователи выделили TIL из метастазов в мозг пациента с меланомой и выполнили секвенирование отдельных клеток, чтобы охарактеризовать каждую клетку. Рецепторы Т-клеток, экспрессируемые этими TIL, затем индивидуально тестировались в лаборатории, чтобы идентифицировать те из них, которые были распознаны и уничтожены опухолевые клетки пациента.

Затем исследователи объединили эти данные с обучением модели машинного обучения для прогнозирования опухолевых Т-клеточных рецепторов. Полученный классификатор сможет идентифицировать опухолереактивные Т-клетки по TIL с точностью 90%, работать со многими различными типами опухолей и учитывать данные различных технологий секвенирования клеток.

«PredicTCR позволяет нам сократить время, необходимое для идентификации персонализированных опухолевых Т-клеточных рецепторов, с трех месяцев до нескольких дней, независимо от типа опухоли», — сказал Эд Грин.

«Сейчас мы концентрируемся на внедрении этой технологии в клиническую практику здесь, в Германии. Для финансирования дальнейшего развития мы основали биотехнологический стартап Tcelltech», — добавляет Михаэль Платтен. «PredicTCR — одна из ключевых технологий этого нового отделения DKFZ».

Классификатор машинного обучения ускоряет разработку клеточной иммунотерапии



Новости партнеров