研究人员开发机器学习工具来完善个性化免疫疗法

路德维希癌症研究的科学家们开发了一种新的，更准确的方法来鉴定可能出现在辅助T细胞上的癌症分子信号，从而刺激和协调对肿瘤和传染原的免疫反应。该研究由路德维希癌症研究所洛桑分校的David Gfeller和Michal Bassani-Sternberg领导，目前已在《自然生物技术》上发表。

新方法结合了两项强大的新技术。一种是由Bassani-Sternberg实验室开发的质谱技术，可以快速，廉价地获得与在细胞表面表达的称为HLA的分子复合物结合的数千种肽抗原(或蛋白质片段)的氨基酸序列。另一个是Gfeller实验室开发的新型计算工具，该工具基于机器学习，为人脸识别软件提供支持的计算方法等。

Bassani-Sternberg说：“这种方法推动了我们为癌症免疫疗法寻找良好靶点的努力。” “但这不仅对疫苗和其他免疫疗法很重要。它还是我们将用于基础科学的工具，可以更好地了解癌症与免疫系统的相互作用。”

患病和癌细胞会切碎与其疾病相关的异常蛋白质，并在其表面显示这些蛋白质的片段，从而发出免疫警报。他们使用两种主要的HLA分子来做到这一点：HLA-I激活破坏癌细胞或感染细胞的杀伤性T细胞，HLA-II激活辅助T细胞。

不同的氨基酸序列-或结合“基序”-指导抗原肽与每类HLA分子的结合;HLA分子不会将那些缺少此类基序的蛋白作为免疫反应的靶标。因此，了解了这些基序后，研究人员便可以选择合适的多肽集合作为(目前正在实验中的)免疫疗法的靶标，这些免疫疗法已针对个体癌症的独特分子特征进行了定制。

研究人员已经非常擅长鉴定可能与HLA-1结合的肽。但是事实证明，HLA-II存在更多问题。Gfeller说：“与HLA-II的结合了解得很少。” “但是我们从免疫学上知道，将HLA-II抗原呈递给辅助T细胞对于引发免疫反应绝对至关重要。” 此外，最近的癌症疫苗研究结果表明，辅助性T细胞对于诱导有效的抗肿瘤免疫反应至关重要。

由于HLA-II分子的多样性及其肽结合模式的复杂性，很难确定HLA-II结合的规则。研究人员假设，通过质谱分析法对HLA-II结合肽中的氨基酸模式进行无偏性分析可能会揭示其中一些规则。Gfeller说：“我们认为开发自己的计算方法非常重要，因为那样一来，我们就可以对其进行微调，以解决这一特定问题。”

为了建立他们的预测模型，Ludwig Lausanne团队分离了超过99,000个与HLA-II分子结合的肽，并确定了其氨基酸序列。Gfeller和他的博士后Julien Racle将此庞大的数据集提供给他们的机器学习算法 MoDec(用于主题反卷积)，并让其寻找HLA-II绑定主题。

MoDec的结果用于训练一种算法，以预测来自多种肿瘤和病原体的肽的HLA-II结合能力。研究人员认为，预测者对免疫原性HLA-II结合肽的鉴定比以前的努力至少要好两倍。

路德维希·洛桑(Ludwig Lausanne)的程序已在实施预测器算法，以开发针对癌症的个性化免疫疗法。此外，研究人员指出，他们的工作也可能对自身免疫和传染病的研究和干预有用。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！