Технология глубокого обучения в терапии рака

Технология глубокого облучения

Команда инженеров и исследователей рака из Университета Джона Хопкинса разработала технологию глубокого обучения, способную точно предсказывать белковые фрагменты, связанные с раком, которые могут вызвать реакцию иммунной системы.

Если эта технология окажется успешной в клинических испытаниях, она может решить серьезную проблему в создании персонализированной иммунотерапии и вакцин.

В исследовании, опубликованном 20 июля в журнале Nature Machine Intelligence , исследователи из Johns Hopkins Biomedical Engineering, Johns Hopkins Institute for Computing Medicine, Johns Hopkins Kimmel Cancer Center и Bloomberg Kimmel Institute for Cancer Immunotherapy показывают, что их глубокое обучение Метод, называемый BigMHC, может идентифицировать белковые фрагменты на раковых клетках, которые вызывают иммунный ответ, убивающий опухолевые клетки, что является важным шагом в понимании ответа на иммунотерапию и в разработке персонализированных методов лечения рака.

• «Иммунотерапия рака предназначена для активации иммунной системы пациента для уничтожения раковых клеток», — говорит Рэйчел Карчин, доктор философии, профессор биомедицинской инженерии, онкологии и компьютерных наук, а также один из основных членов Института вычислительной медицины.
• «Важным шагом в этом процессе является распознавание иммунной системой раковых клеток посредством связывания Т-клеток с фрагментами специфического для рака белка на поверхности клетки».

Фрагменты ракового белка, которые вызывают этот убивающий опухоль иммунный ответ, могут возникать в результате изменений в генетическом составе раковых клеток (или мутаций), называемых ассоциированными с мутациями неоантигенами. Опухоль каждого пациента имеет уникальный набор таких неоантигенов, которые определяют чужеродность опухоли, другими словами, насколько отличается состав опухоли по сравнению с самим собой. Ученые могут определить, какие неоантигены, связанные с мутацией, имеет опухоль пациента, анализируя геном рака. Определение тех, которые с наибольшей вероятностью вызывают иммунный ответ, убивающий опухоль, может позволить ученым разработать персонализированные противораковые вакцины или индивидуальные иммунные методы лечения, а также информировать пациентов о выборе этих методов лечения. Однако современные методы идентификации и проверки неоантигенов, запускающих иммунный ответ, требуют много времени и средств.

Трансферное обучение BigMHC

Поскольку проверка неоантигена требует больших ресурсов, данных для обучения моделей глубокого обучения недостаточно. Чтобы решить эту проблему, исследователи обучили BigMHC, набор глубоких нейронных сетей, двухэтапному процессу, называемому трансферным обучением. Во-первых, BigMHC научился идентифицировать антигены, представленные на клеточной поверхности, что является ранней стадией адаптивного иммунного ответа, для которого доступно много данных. Затем BigMHC был доработан, изучив более позднюю стадию, распознавание Т-клеток, для которой существует мало данных. Таким образом, исследователи использовали массивные данные для построения модели презентации антигена и усовершенствовали эту модель для предсказания иммуногенных антигенов.

Исследователи протестировали BigMHC на большом независимом наборе данных и показали, что он лучше предсказывает презентацию антигена, чем другие методы. Они также протестировали BigMHC на данных соавтора исследования Келли Смит, доктора философии, доцента онкологии в Институте иммунотерапии рака Блумберга-Киммеля, и обнаружили, что BigMCH значительно превзошел семь других методов при идентификации неоантигенов, которые запускают Т-клетки. ответ. «BigMHC обладает выдающейся точностью в прогнозировании иммуногенных неоантигенов», — говорит Карчин.

• «Существует острая, неудовлетворенная клиническая потребность в адаптации иммунотерапии рака к подгруппе пациентов, которая, скорее всего, получит пользу, и BigMHC может пролить свет на особенности рака, которые приводят к чужеродности опухоли, тем самым вызывая эффективный противоопухолевый иммунный ответ», — говорится в исследовании. Автор Вальсамо «Эльза» Анагносту, доктор медицинских наук, директор биорепозитория торакальной онкологии, руководитель Совета по молекулярным опухолям Джона Хопкинса и Precision Oncology Analytics, доцент онкологии в Онкологическом центре Киммела.

В настоящее время команда расширяет свои усилия по тестированию BigMHC в нескольких клинических испытаниях иммунотерапии, чтобы определить, может ли он помочь ученым просеять сотни тысяч неоантигенов, чтобы отфильтровать те, которые, скорее всего, спровоцируют иммунный ответ.

• «Мы надеемся, что BigMHC сможет направлять онкологов-иммунологов при разработке иммунотерапии, которую можно использовать для нескольких пациентов, или при разработке персонализированных вакцин, которые будут усиливать иммунный ответ пациента, чтобы убить его раковые клетки», — говорит ведущий автор Бенджамин Александр Альберт, который был студент-исследователь на кафедрах биомедицинской инженерии и информатики Университета Джона Хопкинса, когда проводилось исследование.

Альберт теперь доктор философии. студент Калифорнийского университета в Сан-Диего.

Помощь BigMHC в исследовании рака

Карчин и ее команда считают, что BigMHC и подобные ему инструменты на основе машинного обучения могут помочь клиницистам и исследователям рака эффективно и с минимальными затратами просеивать огромные объемы данных, необходимых для разработки более персонализированных подходов к лечению рака. «Глубокое обучение играет важную роль в клинических исследованиях и практике рака, — говорит Карчин.

Работа была частично поддержана Национальным институтом здравоохранения (грант CA121113), Программой медицинских исследований Министерства обороны США под руководством Конгресса (грант CA190755) и Интегрированным трансляционным научным центром ECOG-ACRIN по торакальным злокачественным новообразованиям (грант UG1CA233259).

В соответствии с лицензионным соглашением между Genentech и Университетом Джона Хопкинса, Шао, Карчин и университет имеют право на распределение роялти, связанных с технологией прогнозирования неоантигенов MHCnuggets. Это соглашение было рассмотрено и одобрено Университетом Джонса Хопкинса в соответствии с его политикой в отношении конфликта интересов. В течение последних пяти лет Анагносту получала финансирование для своего учреждения от компаний Bristol Myers Squibb, Astra Zeneca, Personal Genome Diagnostics и Delfi Diagnostics. Она является членом консультативного совета Neogenomics и Astra Zeneca. Она является изобретателем нескольких патентных заявок, поданных Университетом Джонса Хопкинса, связанных с геномным анализом рака, мониторингом терапевтического ответа ctDNA и иммуногеномными особенностями ответа на иммунотерапию, которые были лицензированы для одной или нескольких организаций.