به گزارش اختیار نیوز به نقل از ایسنا، یک مدل پیش‌بینی‌کننده جدید می‌تواند همراه با چندین الگوریتم برای درمان شخصی‌شده سرطان مورد استفاده قرار گیرد که درمان را بر اساس ترکیب سلولی منحصربه‌فرد تومورهای هر بیمار انجام می‌دهد.
به گزارش ساینس دیلی، «الکساندر هراری» از «مرکز تحقیقات سرطان لودویگ» که به همراه «رمی پترماند» فارغ التحصیل این مرکز هدایت این پژوهش را بر عهده داشت، گفت: هوش مصنوعی در سلول درمانی کار جدیدی است و شاید بتواند تغییر روش درمانی و ارائه گزینه های بالینی جدید به بیماران.
ایمونوتراپی سلولی شامل استخراج سلول‌های ایمنی از تومور بیمار، مهندسی آنها برای تقویت توانایی‌های طبیعی مبارزه با سرطان و پیوند مجدد آنها به بدن پس از رشد است. سلول های T یکی از دو نوع اصلی گلبول های سفید یا لنفوسیت ها هستند که در خون گردش می کنند و سلول های آلوده به ویروس یا سرطان را جستجو می کنند.
سلول های T که به تومورهای جامد نفوذ می کنند به عنوان لنفوسیت های نفوذ کننده تومور (TIL) شناخته می شوند. با این حال، همه لنفوسیت های نفوذ کننده تومور در شناسایی و حمله به سلول های تومور کارآمد نیستند. هراری توضیح داد: در واقع تنها کسری از لنفوسیت ها به تومور پاسخ می دهند و بیشتر آن ها تماشاچی هستند. چالشی که ما با آن روبرو بودیم شناسایی تعداد کمی از لنفوسیت های نفوذ کننده تومور بود. این لنفوسیت ها به گیرنده های سلول T مجهز هستند که می توانند آنتی ژن های روی تومور را تشخیص دهند.
برای انجام این کار، هراری و تیمش یک مدل پیش‌بینی مبتنی بر هوش مصنوعی به نام TRTpred ایجاد کردند که می‌تواند گیرنده‌های سلول T یا TCR را بر اساس واکنش‌پذیری تومور هدف رتبه‌بندی کند. برای توسعه TRTpred، آنها از 235 گیرنده سلول T جمع آوری شده از بیماران ملانوم متاستاتیک که قبلاً به عنوان واکنش دهنده به تومور یا غیر واکنشی طبقه بندی شده بودند، استفاده کردند. تیم تحقیقاتی پروفایل بیان ژن سلول‌های T را که هر گیرنده سلول T را دارند در مدل یادگیری ماشینی بارگذاری کردند تا الگوهایی را شناسایی کنند که سلول‌های T واکنش‌دهنده به تومور را از همتایان غیرفعالشان متمایز می‌کنند.
هراری توضیح داد که TRTpred می تواند از یک جمعیت سلول T یاد بگیرد و یک قانون برای اعمال در یک جمعیت جدید ایجاد کند. بنابراین وقتی با یک گیرنده جدید سلول T مواجه می شود، مدل می تواند مشخصات آن را بخواند و پیش بینی کند که آیا تومور پاسخ می دهد یا خیر.
مدل TRTpred لنفوسیت های نفوذ کننده تومور را در 42 بیمار سرطانی ملانوما و دستگاه گوارش، ریه و پستان مورد تجزیه و تحلیل قرار داد و گیرنده های سلول T واکنش دهنده به تومور را با دقت 90 درصد شناسایی کرد. محققان فرآیند انتخاب لنفوسیت های نفوذ کننده به تومور خود را با استفاده از یک فیلتر ثانویه که فقط سلول های T واکنش دهنده به تومور را غربال می کرد، اصلاح کردند. یعنی فقط سلول هایی که رابطه قوی با آنتی ژن های تومور دارند.
هراری گفت: “TRTpred به شدت پیش بینی می کند که آیا گیرنده سلول T واکنش دهنده به تومور است یا نه، اما برخی از گیرنده های واکنش دهنده به تومور اتصال قوی به سلول های تومور ایجاد می کنند و بنابراین بسیار موثر هستند.” در حالی که دیگران از روی تنبلی این کار را انجام می دهند. تمایز بین پیوندهای قوی و ضعیف نشان دهنده اثربخشی است.
محققان نشان دادند که سلول های T که توسط TRTpred و الگوریتم ثانویه به عنوان پاسخ دهنده تومور شناسایی می شوند، اغلب در تومورها یافت می شوند. نتایج این مطالعه با سایر مطالعات نشان می دهد که سلول های T موثر معمولاً به عمق تومور نفوذ می کنند مطابقت دارد.
سپس محققان فیلتر سومی را برای به حداکثر رساندن تشخیص آنتی ژن های تومور معرفی کردند. هراری گفت: “ما می خواهیم این شانس را که لنفوسیت های نفوذ کننده تومور تا حد ممکن آنتی ژن های مختلف را هدف قرار دهند، به حداکثر برسانیم.”
این فیلتر نهایی گیرنده های سلول T را بر اساس خواص فیزیکی و شیمیایی مشابه به چندین گروه سازماندهی می کند. فرضیه محققان این است که گیرنده های سلول T در هر خوشه همان آنتی ژن را تشخیص می دهند. وینسنت زویت، محقق مرکز تحقیقات سرطان لودویگ که الگوریتم های خوشه بندی گیرنده سلول T را توسعه داده است، می گوید: «بنابراین ما یک گیرنده سلول T را در هر خوشه انتخاب می کنیم تا شانس هدف قرار دادن یک آنتی ژن خاص را افزایش دهیم.
محققان ترکیب فیلترهای TRTpred و الگوریتمی را “MixTRTpred” می نامند.
برای تایید روش خود، گروه هراری تومورهای انسانی را در موش کاشته، گیرنده های سلول T را از لنفوسیت های نفوذ کننده تومور استخراج کردند و از سیستم MixTRTpred برای شناسایی سلول های T واکنش دهنده به تومور و آنتی ژن های متعدد در تومور هدف استفاده کردند. آنها سپس سلول های T مشتق شده از موش را برای بیان گیرنده های سلول T مهندسی کردند و نشان دادند که این سلول ها می توانند تومورها را در صورت انتقال به موش از بین ببرند.
«جورج کوکوس» یکی از محققان این پروژه که قصد دارد اولین مرحله از آزمایش بالینی را برای آزمایش این فناوری در بیماران آغاز کند، گفت: این روش نویدبخش رفع برخی از نواقص درمان مبتنی بر لنفوسیت های نفوذ کننده تومور است. . به خصوص برای بیمارانی که با تومورهایی سروکار دارند که نمی توانند به چنین درمانی پاسخ دهند. تلاش های مشترک ما یک روش کاملاً جدید برای درمان سلول های T ایجاد می کند.
این تحقیق در مجله Nature Biotechnology منتشر شده است.