全面人工智能驱动的管道助力个性化癌症疫苗开发

为了弥补现有的公开可用的预测临床相关新抗原靶点的数据管道中的不足，癌症研究 Ludwig 研究所的研究人员开发了一个完整的、由人工智能驱动的计算流程，该流程整合了肿瘤的多种分子和基因分析以及质谱数据，用于个性化癌症疫苗的研发。

名为NeoDisc的新计算工具的详情是最近发表在期刊上自然生物学杂志.

“NeoDisc为肿瘤的免疫生物学以及它们如何逃避免疫系统细胞毒性T细胞靶向提供了独特的见解，”资深作者、洛桑分院（隶属于伦敦癌症研究所）免疫肽组学助理教授Michal Bassani-Sternberg博士说。“这些见解对于设计个性化免疫疗法至关重要，而位于NeoDisc核心的分析和计算流程已经在我们这里用于洛桑的个性化癌症疫苗和过继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（即使是癌细胞）会被编程将这些蛋白质切割成短片段——称为肽——然后作为抗原呈现给T细胞以邀请其发起攻击。

这些新抗原正被用来开发今天的免疫疗法以及用于治疗癌性肿瘤的疫苗，这些肽的广泛多样性是免疫疗法对大量癌症患者无效的主要原因之一。

为患者开发更加个性化的治疗方案面临着巨大挑战，因为并非所有的新抗原都能被每个患者的T细胞识别，并且即使能够识别，也可能不会引发足够强大的T细胞反应来有效攻击癌变肿瘤。

为了设计个性化免疫疗法，研究人员必须进行大规模、深入的癌症突变分析，这些突变能够生成潜在的新抗原，以及将新抗原呈递给T细胞的HLA分子和允许其被T细胞受体识别的分子特征。潜在的个性化免疫疗法基于肿瘤和血液细胞（代表患者的健康基因组）、转录组学以及通过质谱分析所谓的免疫肽组所进行的分析。

NeoDisc是首批将基因组学、转录组学和免疫肽组学整合到单一流水线中的技术之一，通过AI预测特定患者的哪些新抗原应被用于创建个性化的癌症疫苗。NeoDisc可以检测各种类型的肿瘤特异性抗原，包括新抗原，并应用机器学习和基于规则的算法来优先选择最有可能引发T细胞反应的新抗原。

“NeoDisc可以检测所有这些独特的肿瘤特异性抗原以及新抗原，应用机器学习和基于规则的算法来优先选择那些最有可能引发T细胞反应的抗原，然后利用这些信息为相关患者设计个性化的癌症疫苗，”第一作者、Ludwig研究所的生物信息学家Florian Huber说。

此外，NeoDisc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像。

值得注意的是，NeoDisc还可以检测抗原呈递机制中的潜在缺陷，向疫苗设计师和临床医生发出警告，提醒他们肿瘤中可能存在的免疫逃逸关键机制，这可能会削弱免疫疗法的效果，巴斯尼-施特恩伯格指出。“这可以帮助他们在临床研究中选择最有可能从个性化免疫治疗中受益的患者，这一能力对于优化患者的护理也具有重要意义。”

该研究证明，NeoDisc在为疫苗和过继细胞疗法选择有效癌症抗原方面比目前使用的其他计算工具更为准确。

虽然NeoDisc展示了有前景的初步结果，Ludwig团队承认其局限性，并指出“输入数据的质量和深度会显著影响抗原识别和优先级的准确性。”然而，该计算框架目前在瑞士用于个性化癌症疫苗和过继T细胞疗法的一期临床试验中，为根据患者个体情况定制癌症治疗提供了重大进展。不过，研究人员强调，在其他地区进行临床应用时可能需要遵守不同的法规。

接下来，Ludwig研究团队将继续从各种类型的肿瘤中为NeoDisc提供数据，并且整合额外的机器学习算法以继续其训练，从而提高预测的准确性。