Científicos desarrollan un método de inteligencia artificial para predecir la inmunidad contra el cáncer
Los algoritmos de aprendizaje automático arrojan luz sobre los pares de receptores de células T neoantígenos
Investigadores y científicos de datos del Centro Médico Southwestern de la UT y del Centro Oncológico MD Anderson de la Universidad de Texas han desarrollado una técnica de inteligencia artificial capaz de identificar qué péptidos de la superficie celular producidos por las células cancerosas, llamados neoantígenos, son reconocidos por el sistema inmunitario.
Activación de la respuesta inmunitaria de las células T con la interacción del MHC-II (rojo) con el receptor de células T (TCR, azul), y también con el CD4 (azul claro). CD4 y MHC-II son proteínas expresadas por las células T y las células presentadoras de antígenos, respectivamente, para ayudar al reconocimiento de antígenos por parte de los TCR.
UT Southwestern Medical Center
La técnica pMTnet, detallada en línea en Nature Machine Intelligence, podría conducir a nuevas formas de predecir el pronóstico del cáncer y la posible respuesta a las inmunoterapias.
"Determinar qué neoantígenos se unen a los receptores de células T y cuáles no ha parecido una hazaña imposible. Pero con el aprendizaje automático, estamos avanzando", dijo el autor principal, el Dr. Tao Wang, profesor adjunto de Ciencias de la Población y de los Datos, y con el Centro Integral del Cáncer Harold C. Simmons y el Centro de Genética de la Defensa del Huésped en UT Southwestern.
Las mutaciones en el genoma de las células cancerosas hacen que éstas presenten diferentes neoantígenos en su superficie. Algunos de estos neoantígenos son reconocidos por las células T inmunitarias que buscan signos de cáncer e invasores extraños, lo que permite que las células cancerosas sean destruidas por el sistema inmunitario. Sin embargo, otros parecen invisibles para las células T, lo que permite que los cánceres crezcan sin control.
"Para el sistema inmunitario, la presencia de neoantígenos es una de las mayores diferencias entre las células normales y las tumorales", afirma Tianshi Lu, primer coautor junto con Ze Zhang, estudiantes de doctorado del laboratorio de Tao Wang, que utiliza enfoques bioinformáticos y bioestadísticos de última generación para estudiar las implicaciones de la inmunología tumoral en la tumorigénesis, la metástasis, el pronóstico y la respuesta al tratamiento en una variedad de cánceres. "Si logramos averiguar qué neoantígenos estimulan una respuesta inmunitaria, podremos utilizar este conocimiento de diversas maneras para combatir el cáncer", dijo la Sra. Lu.
Ser capaces de predecir qué neoantígenos reconocen las células T podría ayudar a los investigadores a desarrollar vacunas personalizadas contra el cáncer, a diseñar mejores terapias basadas en células T o a predecir la respuesta de los pacientes a otros tipos de inmunoterapias. Pero hay decenas de miles de neoantígenos diferentes, y los métodos para predecir cuáles desencadenan una respuesta de las células T han demostrado ser lentos, técnicamente difíciles y costosos.
En busca de una técnica mejor, con el apoyo de subvenciones de los Institutos Nacionales de Salud (NIH) y del Instituto de Investigación y Prevención del Cáncer de Texas (CPRIT), el equipo de investigación recurrió al aprendizaje automático. Entrenaron un algoritmo basado en el aprendizaje profundo que denominaron pMTnet utilizando datos de combinaciones conocidas de unión o no unión de tres componentes diferentes: neoantígenos; proteínas denominadas complejos mayores de histocompatibilidad (MHC) que presentan neoantígenos en las superficies de las células cancerosas; y los receptores de células T (TCR) responsables de reconocer los complejos neoantígeno-MHC. A continuación, probaron el algoritmo frente a un conjunto de datos desarrollado a partir de 30 estudios diferentes que habían identificado experimentalmente pares neoantígenos-receptores de células T vinculantes o no vinculantes. Este experimento demostró que los nuevos algoritmos tenían un alto nivel de precisión.
Los investigadores utilizaron esta nueva herramienta para recopilar información sobre los neoantígenos catalogados en el Atlas del Genoma del Cáncer, una base de datos pública que contiene información de más de 11.000 tumores primarios. pMTnet demostró que los neoantígenos suelen desencadenar una respuesta inmunitaria más fuerte en comparación con los antígenos asociados al tumor. También predijo qué pacientes respondían mejor a las terapias de bloqueo de puntos de control inmunitarios y tenían mejores tasas de supervivencia global.
"Como inmunólogo, el obstáculo más importante al que se enfrenta la inmunoterapia en la actualidad es la capacidad de determinar qué antígenos son reconocidos por qué células T con el fin de aprovechar estos emparejamientos con fines terapéuticos", dijo el autor correspondiente Alexandre Reuben, Ph.D., profesor asistente de Oncología Médica de Tórax-Cabeza y Cuello en el MD Anderson. "pMTnet supera sus alternativas actuales y nos acerca significativamente a este objetivo".
Nota: Este artículo ha sido traducido utilizando un sistema informático sin intervención humana. LUMITOS ofrece estas traducciones automáticas para presentar una gama más amplia de noticias de actualidad. Como este artículo ha sido traducido con traducción automática, es posible que contenga errores de vocabulario, sintaxis o gramática. El artículo original en Inglés se puede encontrar aquí.
Reciba la industria de las ciencias biológicas en su bandeja de entrada
No se pierda nada a partir de ahora: Nuestro boletín electrónico de biotecnología, productos farmacéuticos y ciencias de la vida le pone al día todos los martes y jueves. Las últimas noticias del sector, los productos más destacados y las innovaciones, de forma compacta y fácil de entender en su bandeja de entrada. Investigado por nosotros para que usted no tenga que hacerlo.
