路德维希癌症研究中心的科学家利用人工智能开发出了一种强大的预测模型，用于识别最有效的杀癌免疫细胞，以用于癌症免疫疗法。
《自然生物技术》杂志最新一期描述了这种预测模型，它与其他算法相结合，可应用于个性化癌症治疗，根据每个患者肿瘤独特的细胞构成制定治疗方案。
路德维希洛桑大学的亚历山大·哈拉里 (Alexandre Harari) 与研究生雷米·彼得雷芒 (Rémy Pétremand) 共同领导了这项研究，他表示：“人工智能在细胞治疗中的应用是新鲜事物，可能会改变游戏规则，为患者提供新的临床选择。”
细胞免疫疗法包括从患者的肿瘤中提取免疫细胞，选择性地对其进行改造以增强其抗癌的天然能力，并在培养后将其重新引入体内。T 细胞是两种主要类型的白细胞或淋巴细胞之一，它们在血液中循环并巡逻病毒感染或癌细胞。
穿透实体肿瘤的 T 细胞被称为肿瘤浸润淋巴细胞 (TIL)。然而，并非所有 TIL 都能有效识别和攻击肿瘤细胞。“实际上，只有一小部分 TIL 具有肿瘤反应性，大多数 TIL 都是旁观者，”Harari 解释道。“我们为自己设定的挑战是识别出少数配备有能够识别肿瘤抗原的 T 细胞受体的 TIL。”
为此，Harari 及其团队开发了一种新的 AI 驱动预测模型，称为 TRTpred，该模型可以根据 T 细胞受体 (TCR) 的肿瘤反应性对其进行排序。为了开发 TRTpred，他们使用了从转移性黑色素瘤患者那里收集的 235 个 TCR，这些 TCR 已被归类为肿瘤反应性或非反应性。该团队将携带每个 TCR 的 T 细胞的全局基因表达(或转录组)谱加载到机器学习模型中，以识别区分肿瘤反应性 T 细胞和非活性 T 细胞的模式。
“TRTpred 可以从一个 T 细胞群体中学习，并创建一个规则，然后将其应用于新的群体，”Harari 解释道。“因此，当面对新的 TCR 时，该模型可以读取其转录组谱并预测它是否具有肿瘤反应性。”
TRTpred 模型分析了 42 名黑色素瘤、胃肠道癌、肺癌和乳腺癌患者的 TIL，并以约 90% 的准确率识别出肿瘤反应性 TCR。研究人员通过应用二级算法过滤器进一步完善了他们的 TIL 选择过程，仅筛选出具有“高亲和力”的肿瘤反应性 T 细胞，即那些与肿瘤抗原紧密结合的细胞。
Harari 解释道：“TRTpred 是 TCR 是否具有肿瘤反应性的专门预测指标。但有些肿瘤反应性 TCR 与肿瘤细胞结合非常紧密，因此非常有效，而另一些 TCR 则以懒惰的方式结合。区分强结合者和弱结合者可以反映出疗效。”
研究人员证明，TRTpred 和二级算法标记为肿瘤反应性且具有高亲和力的 T 细胞更常嵌入肿瘤内，而不是邻近的支持组织(称为基质)。这一发现与其他研究一致，表明有效的 T 细胞通常会深入肿瘤胰岛。
随后，研究小组引入了第三个过滤器，以最大限度地识别不同的肿瘤抗原。“我们想要的是最大限度地提高 TIL 靶向尽可能多的不同抗原的机会，”Harari 说。
这个最终过滤器根据相似的物理和化学特性将 TCR 分组。研究人员假设每个簇中的 TCR 识别相同的抗原。“因此，我们在每个簇中选择一个 TCR 进行扩增，这样我们就可以最大限度地提高不同抗原靶标的机会，”路德维希洛桑的计算科学家 Vincent Zoete 说，他开发了 TCR 亲和力和 TCR 聚类算法。
研究人员将 TRTpred 与算法过滤器的组合称为 MixTRTpred。
为了验证他们的方法，Harari 团队在小鼠体内培养人类肿瘤，从其 TIL 中提取 TCR，并使用 MixTRTpred 系统识别具有肿瘤反应性、亲和力高且针对多种肿瘤抗原的 T 细胞。然后，他们改造小鼠的 T 细胞以表达这些 TCR，并表明这些细胞在转移到小鼠体内后可以消除肿瘤。
“这种方法有望克服目前基于 TIL 疗法的一些缺点，特别是对于那些目前对此类疗法没有反应的肿瘤患者来说，”路德维希洛桑中心主任乔治·库科斯 (George Coukos) 表示，他是这项研究的共同作者，正计划启动一项 I 期临床试验，在患者身上测试这项技术。
“我们的共同努力将带来一种全新类型的T细胞疗法。”