基于人工智能的个性化癌症疫苗管道

Ludwig癌症研究所的科学家开发了一个完整的计算管道，从头到尾整合了肿瘤的多种分子和基因分析以及T细胞的特定分子靶点，并利用人工智能算法将其输出用于设计个性化的癌症疫苗。

该计算套件NeoDisc的设计、验证和比较评估是详细的在当前期的自然生物科技由洛桑分部的Ludwig癌症研究所的Florian Huber和Michal Bassani-Sternberg领导的一篇出版物中。

巴斯纳-施特恩伯格表示：“NeoDisc提供了对肿瘤免疫生物学的独特见解，以及它们如何逃避免疫系统细胞毒性T细胞的靶向机制。”

这些洞察对于设计个性化免疫疗法而言是无价之宝，且在分析方面和计算管道“NeoDisc的核心技术已经在这里的洛桑用于个性化癌症疫苗和适应性细胞疗法的临床试验。”

许多癌症类型携带多种随机突变，这些突变应该使它们更容易被免疫系统识别。这些突变会产生异常蛋白质，细胞（甚至癌细胞）会被编程将这些蛋白质切割成短片段——称为肽——并“呈现”为抗原，以邀请巡逻的T细胞发起攻击。

这些“新抗原”的巨大多样性是患者对免疫疗法反应各异的原因之一。另一方面，新抗原可以被利用来开发针对每位患者的肿瘤进行独特靶向的个性化疫苗和其他类型的免疫疗法。这种个性化的治疗现在正由世界各地的研究人员进行开发。

这样的努力在技术上具有挑战性，因为并非所有的新抗原都能被特定患者的T细胞识别，即使许多能够被识别的新抗原也无法引发足够强烈的T细胞攻击。因此，设计个性化疫苗和细胞疗法的一种方法是识别最有可能诱发强烈T细胞攻击的新抗原。

这需要对生成潜在新抗原的突变进行复杂的大规模分析，将这些新抗原呈递给T细胞的分子支架（称为HLA分子）以及使T细胞受体能够识别的新抗原的分子特征。巴斯尼-施特恩伯格是这一领域的先驱之一，该领域结合了大规模生化和计算分析技术，被称为“免疫肽组学”。

个性化免疫疗法的设计也通过基因组分析来辅助，包括对两者都进行分析：肿瘤以及血细胞代表患者健康基因组的基因，大规模的基因表达分析，即“转录组学”，以及用质谱技术进行的所谓免疫肽组的敏感分析。

然而直到現在為止，這些強大的技術還從未被整合到單一的計算管道中，以預測哪些新抗原應該被用作疫苗或用于個體化免疫療法。

此外，新抗原并非用于免疫治疗靶点的唯一类型的抗原。癌细胞也会错误地表达通常不具有编码功能的DNA片段以及仅在发育过程中正常表达的基因和其他异常表达的蛋白质片段。基因产物以及由病毒诱发的肿瘤中的病毒抗原——所有这些都可能引发免疫系统的攻击。

"NeoDisc可以检测所有这些独特的肿瘤特异性抗原以及新抗原，并应用"机器学习并使用基于规则的算法优先选择那些最有可能引发T细胞反应的选项，然后利用这些信息设计个性化的癌症治疗方案疫苗“对于相关的患者，”哈伯尔说。

NeoDisc 还会对检测到的潜在抗原进行排名，并生成肿瘤内癌细胞异质性的可视化图。

值得注意的是，NeoDisc还可以检测抗原呈递机制中的潜在缺陷，提醒疫苗设计师和临床医生肿瘤免疫逃逸的关键机制，这可能会影响免疫疗法的效果，"Bassani-Sternberg说。"这可以帮助他们选择合适的患者进行治疗。"临床研究很可能从个性化免疫治疗中受益的人群，这一能力也对优化患者护理至关重要。"

研究人员在其研究中进一步表明，与目前用于此目的的其他计算工具相比，NeoDisc为疫苗和过继细胞疗法提供了更准确的有效癌症抗原选择。

为了进一步提高NeoDisc的准确性，研究人员将继续向其输入来自各种肿瘤的数据，并将更多的机器学习算法整合到软件套件中，以推进其训练并提升其预测准确性。