Des chercheurs et des scientifiques des données de l’UT Southwestern Clinical Middle et du MD Anderson Cancer Center ont développé une system d’intelligence artificielle qui peut identifier les peptides de surface area cellulaire produits par les cellules cancéreuses appelées néo-antigènes qui sont reconnus par le système immunitaire.



La procedure pMTnet, détaillée en ligne dans Mother nature Machine Intelligence, pourrait conduire à de nouvelles façons de prédire le pronostic du cancer et la réactivité potentielle aux immunothérapies.

Des algorithmes d'apprentissage automatique font la lumière sur les paires néo-antigènes lymphocytes T-récepteurs

« Déterminer quels néoantigènes se lient aux récepteurs des cellules T et lesquels ne le sont pas a semblé être un exploit unattainable. Mais avec l’apprentissage automatique, nous progressons », a déclaré l’auteur principal, le Dr Tao Wang, Ph.D. professeur adjoint de inhabitants. et Details Sciences, et avec le Harold C. Simmons Thorough Most cancers Heart et le Center for Genetics of Host Protection à UT Southwestern.



Des mutations dans le génome des cellules cancéreuses les amènent à afficher différents néoantigènes à leur surface area. Certains de ces néoantigènes sont reconnus par les cellules T immunitaires qui recherchent les signes de most cancers et les envahisseurs étrangers, permettant aux cellules cancéreuses d’être détruites par le système immunitaire. Cependant, d’autres semblent invisibles pour les cellules T, permettant aux cancers de se développer sans contrôle.

« Pour le système immunitaire, la présence de néo-antigènes est l’une des moreover grandes différences entre les cellules normales et tumorales », a déclaré Tianshi Lu, leading co-auteur avec Ze Zhang, doctorants du laboratoire Tao Wang, qui utilise l’état de la procedure -des approches bioinformatiques et biostatistiques pour étudier les implications de l’immunologie tumorale pour la tumorigenèse, les métastases, le pronostic et la réponse au traitement dans une variété de cancers. « Si nous pouvons déterminer quels néo-antigènes stimulent une réponse immunitaire, nous pourrons peut-être utiliser ces connaissances de différentes manières pour lutter contre le most cancers », a déclaré Mme Lu.

Être able de prédire quels néoantigènes sont reconnus par les cellules T pourrait aider les chercheurs à développer des vaccins anticancéreux personnalisés, à concevoir de meilleures thérapies à base de cellules T ou à prédire dans quelle mesure les clients pourraient répondre à d’autres sorts d’immunothérapies. Mais il existe des dizaines de milliers de néo-antigènes différents, et les méthodes permettant de prédire ceux qui déclenchent une réponse des lymphocytes T se sont avérées chronophages, techniquement difficiles et coûteuses.

À la recherche d’une meilleure system avec le soutien de subventions des Nationwide Institutes of Health (NIH) et du Cancer Avoidance and Research Institute of Texas (CPRIT), l’équipe de recherche s’est tournée vers l’apprentissage automatique. Ils ont formé un algorithme basé sur l’apprentissage en profondeur qu’ils ont nommé pMTnet en utilisant des données provenant de combinaisons connues de liaison ou de non liaison de trois composants différents : les néoantigènes des protéines appelées complexes majeurs d’histocompatibilité (CMH) qui présentent des néoantigènes à la surface des cellules cancéreuses  et les récepteurs des cellules T (TCR) responsables de la reconnaissance des complexes néoantigène-MHC. Ils ont ensuite testé l’algorithme par rapport à un ensemble de données développé à partir de 30 études différentes qui avaient identifié expérimentalement des paires de cellules néo-antigènes T liantes ou non liantes. Cette expérience a montré que les nouveaux algorithmes avaient un haut niveau de précision.

Les chercheurs ont utilisé ce nouvel outil pour recueillir des informations sur les néoantigènes catalogués dans The Cancer Genome Atlas, une base de données publique qui contient des informations sur additionally de 11 000 tumeurs primaires. pMTnet a montré que les néoantigènes déclenchent généralement une réponse immunitaire plus forte par rapport aux antigènes associés aux tumeurs. Il a également prédit quels patients avaient de meilleures réponses aux thérapies de blocage des details de contrôle immunitaire et avaient de meilleurs taux de survie globale.

« En tant qu’immunologiste, l’obstacle le additionally critical auquel est actuellement confrontée l’immunothérapie est la capacité de déterminer quels antigènes sont reconnus par quelles cellules T afin de tirer parti de ces appariements à des fins thérapeutiques », a déclaré l’auteur correspondant Alexandre Reuben, Ph.D. professeur adjoint de Oncologie médicale thoracique-tête et cou chez MD Anderson. « pMTnet surpasse ses solutions actuelles et nous rapproche considérablement de cet objectif. »

Parmi les autres chercheurs de l’UTSW qui ont contribué à cette étude figurent James Zhu, Yunguan Wang, Xue Xiao et Lin Xu. Parmi les autres scientifiques du MD Anderson qui ont contribué à ce travail, citons Peixin Jiang, Chantale Bernatchez, John V. Heymach et Don L. Gibbons. Le Dr Jun Wang de NYU Langone Wellbeing a également contribué à ce travail.

Le Simmons Most cancers Centre de l’UT Southwestern et le MD Anderson Most cancers Centre font partie des 51 centres complets désignés exclusifs avec le Nationwide Most cancers Institute, qui comprend un hard work conjoint avec le Nationwide Human Genome Exploration Institute pour superviser le projet Most cancers Genome Atlas. L’étude a été soutenue par le NIH (subventions 5P30CA142543/TW et R01CA258584/TW), CPRIT (RP190208/TW), MD Anderson (Lung Cancer Moon Shot), la College Most cancers Foundation à MD Anderson, le Waun Ki Hong Lung Most cancers Analysis Fund, Exon 20 Group et la Fondation Rexanna pour la lutte contre le most cancers du poumon.