Các nhà nghiên cứu và nhà khoa học dữ liệu tại Trung tâm Y tế UT Southwestern và Trung tâm Ung thư MD Anderson đã phát triển được kỹ thuật trí tuệ nhân tạo, có khả năng xác định những peptit nào trên bề mặt tế bào do các tế bào ung thư sản sinh. Đó là các chất neoantigen mà hệ miễn dịch có thể nhận ra. Kỹ thuật pMTnet có thể dẫn đến những phương pháp mới dự đoán ung thư và khả năng đáp ứng với các liệu pháp miễn dịch.

TS. Tao Wang, đồng tác giả nghiên cứu cho biết: "Xác định những neoantigen nào liên kết với các thụ thể tế bào T và neoantigen nào không, là nhiệm vụ bất khả thi. Nhưng với máy học, chúng ta đang có sự chuyển biến”.

Các đột biến trong bộ gen của tế bào ung thư khiến chúng hiển thị các neoantigen khác nhau trên bề mặt tế bào. Một số neoantigen được nhận diện bởi các tế bào T miễn dịch tìm kiếm các dấu hiệu của ung thư và các yếu tố ngoại lai, cho phép hệ miễn dịch tiêu diệt các tế bào ung thư. Tuy nhiên, một số neoantigen khác dường như vô hình đối với tế bào T, cho phép tế bào ung thư phát triển mà không bị kiểm soát.

Tianshi Lu, đồng tác giả nghiên cứu cho biết: “Đối với hệ miễn dịch, sự hiện diện của neoantigen là một trong những điểm khác biệt lớn nhất giữa tế bào bình thường và tế bào khối u. Nếu xác định được các chất neoantigen kích thích phản ứng miễn dịch, thì chúng ta có thể tìm ra nhiều cách để chống lại bệnh ung thư”.

Khả năng dự đoán các chất neoantigen nào được tế bào T nhận ra, có thể giúp các nhà nghiên cứu phát triển loại vắc xin ung thư được cá nhân hóa, thiết kế các liệu pháp dựa trên tế bào T tốt hơn hoặc dự đoán mức độ đáp ứng của bệnh nhân với các loại liệu pháp miễn dịch khác. Nhưng có hàng chục nghìn neoantigen khác nhau và các phương pháp dự đoán xem neoantigen nào kích hoạt phản ứng tế bào T đã được chứng minh là mất thời gian, khó khăn về mặt kỹ thuật và tốn kém.

Để tìm ra một kỹ thuật hiệu quả, nhóm nghiên cứu đã sử dụng công nghệ máy học. Họ đã “dạy” một thuật toán dựa vào học sâu, có tên là pMTnet thông qua sử dụng dữ liệu từ những kết hợp liên kết hoặc không liên kết giữa ba thành phần khác nhau, gồm có: neoantigen; các protein được gọi là phức hợp tương hợp mô chính (MHCs) khiến neoantigen xuất hiện trên bề mặt tế bào ung thư; và các thụ thể tế bào T (TCR) làm nhiệm vụ nhận diện các phức hợp neoantigen-MHC. Sau đó, các nhà khoa học thử nghiệm thuật toán dựa vào bộ dữ liệu của 30 nghiên cứu xác định bằng thực nghiệm các cặp thụ thể tế bào neoantigen T liên kết hoặc không liên kết. Kết quả cho thấy các thuật toán mới có độ chính xác cao.

Các nhà nghiên cứu đã sử dụng công cụ mới này để thu thập thông tin chi tiết về các neoantigen được liệt kê trong The Cancer Genome Atlas, cơ sở dữ liệu công khai chứa thông tin về hơn 11.000 khối u nguyên phát. pMTnet cho thấy các chất neoantigen thường kích hoạt phản ứng miễn dịch mạnh hơn so với các kháng nguyên liên quan đến khối u. pMTnet cũng dự đoán những bệnh nhân đáp ứng tốt hơn với các liệu pháp điểm kiểm tra miễn dịch và có tỷ lệ sống sót cao hơn.

Alexandre Reuben, Ph.D., đồng tác giả nghiên cứu cho rằng: "Với tư cách là một nhà miễn dịch học, rào cản quan trọng nhất hiện nay mà liệu pháp miễn dịch đang gặp phải, là khả năng xác định kháng nguyên nào được nhận diện bởi tế bào T để phục vụ cho mục đích điều trị. pMTnet vượt trội hơn các lựa chọn thay thế hiện nay và đưa chúng tôi đến gần mục tiêu này hơn".

N.P.D (NASATI), theo https://www.sciencedaily.com, 23/9/2021

Các nhà nghiên cứu và nhà khoa học dữ liệu tại Trung tâm Y tế UT Southwestern và Trung tâm Ung thư MD Anderson đã phát triển được kỹ thuật trí tuệ nhân tạo, có khả năng xác định những peptit nào trên bề mặt tế bào do các tế bào ung thư sản sinh. Đó là các chất neoantigen mà hệ miễn dịch có thể nhận ra. Kỹ thuật pMTnet có thể dẫn đến những phương pháp mới dự đoán ung thư và khả năng đáp ứng với các liệu pháp miễn dịch.

TS. Tao Wang, đồng tác giả nghiên cứu cho biết: "Xác định những neoantigen nào liên kết với các thụ thể tế bào T và neoantigen nào không, là nhiệm vụ bất khả thi. Nhưng với máy học, chúng ta đang có sự chuyển biến”.

Các đột biến trong bộ gen của tế bào ung thư khiến chúng hiển thị các neoantigen khác nhau trên bề mặt tế bào. Một số neoantigen được nhận diện bởi các tế bào T miễn dịch tìm kiếm các dấu hiệu của ung thư và các yếu tố ngoại lai, cho phép hệ miễn dịch tiêu diệt các tế bào ung thư. Tuy nhiên, một số neoantigen khác dường như vô hình đối với tế bào T, cho phép tế bào ung thư phát triển mà không bị kiểm soát.

Tianshi Lu, đồng tác giả nghiên cứu cho biết: “Đối với hệ miễn dịch, sự hiện diện của neoantigen là một trong những điểm khác biệt lớn nhất giữa tế bào bình thường và tế bào khối u. Nếu xác định được các chất neoantigen kích thích phản ứng miễn dịch, thì chúng ta có thể tìm ra nhiều cách để chống lại bệnh ung thư”.

Khả năng dự đoán các chất neoantigen nào được tế bào T nhận ra, có thể giúp các nhà nghiên cứu phát triển loại vắc xin ung thư được cá nhân hóa, thiết kế các liệu pháp dựa trên tế bào T tốt hơn hoặc dự đoán mức độ đáp ứng của bệnh nhân với các loại liệu pháp miễn dịch khác. Nhưng có hàng chục nghìn neoantigen khác nhau và các phương pháp dự đoán xem neoantigen nào kích hoạt phản ứng tế bào T đã được chứng minh là mất thời gian, khó khăn về mặt kỹ thuật và tốn kém.

Để tìm ra một kỹ thuật hiệu quả, nhóm nghiên cứu đã sử dụng công nghệ máy học. Họ đã “dạy” một thuật toán dựa vào học sâu, có tên là pMTnet thông qua sử dụng dữ liệu từ những kết hợp liên kết hoặc không liên kết giữa ba thành phần khác nhau, gồm có: neoantigen; các protein được gọi là phức hợp tương hợp mô chính (MHCs) khiến neoantigen xuất hiện trên bề mặt tế bào ung thư; và các thụ thể tế bào T (TCR) làm nhiệm vụ nhận diện các phức hợp neoantigen-MHC. Sau đó, các nhà khoa học thử nghiệm thuật toán dựa vào bộ dữ liệu của 30 nghiên cứu xác định bằng thực nghiệm các cặp thụ thể tế bào neoantigen T liên kết hoặc không liên kết. Kết quả cho thấy các thuật toán mới có độ chính xác cao.

Các nhà nghiên cứu đã sử dụng công cụ mới này để thu thập thông tin chi tiết về các neoantigen được liệt kê trong The Cancer Genome Atlas, cơ sở dữ liệu công khai chứa thông tin về hơn 11.000 khối u nguyên phát. pMTnet cho thấy các chất neoantigen thường kích hoạt phản ứng miễn dịch mạnh hơn so với các kháng nguyên liên quan đến khối u. pMTnet cũng dự đoán những bệnh nhân đáp ứng tốt hơn với các liệu pháp điểm kiểm tra miễn dịch và có tỷ lệ sống sót cao hơn.

Alexandre Reuben, Ph.D., đồng tác giả nghiên cứu cho rằng: "Với tư cách là một nhà miễn dịch học, rào cản quan trọng nhất hiện nay mà liệu pháp miễn dịch đang gặp phải, là khả năng xác định kháng nguyên nào được nhận diện bởi tế bào T để phục vụ cho mục đích điều trị. pMTnet vượt trội hơn các lựa chọn thay thế hiện nay và đưa chúng tôi đến gần mục tiêu này hơn".

N.P.D (NASATI), theo https://www.sciencedaily.com, 23/9/2021