《自然机器智能》在线上详细介绍的pMTnet技术，可能会导致预测癌症预后和免疫疗法潜在反应的新方法。

“确定哪些新抗原与T细胞受体结合，哪些没有，似乎是一项不可能的任务。但有了机器学习，我们正在取得进展，”人口与数据科学助理教授、哈罗德C.西蒙斯综合癌症中心和德克萨斯大学西南分校宿主防御遗传学中心的资深作者王涛博士说。

癌细胞基因组的突变导致它们在表面显示不同的新抗原。其中一些新抗原被寻找癌症迹象和外来入侵者的免疫T细胞识别，从而使癌细胞被免疫系统摧毁。然而，有些细胞似乎对T细胞是看不见的，这就使得癌症不受控制地生长。

“对于免疫系统来说，新抗原的存在是正常细胞和肿瘤细胞之间最大的区别之一，”王涛实验室使用最先进的生物信息学和生物统计学方法来研究肿瘤免疫对各种癌症的发生、转移、预后和治疗反应的影响。“如果我们能弄清楚哪些新抗原会刺激免疫反应，那么我们或许就能以各种不同的方式利用这些知识来对抗癌症，”卢女士说。

能够预测T细胞识别的新抗原可以帮助研究人员开发个性化的癌症疫苗，设计更好的基于T细胞的疗法，或者预测患者对其他类型的免疫疗法的反应。但是有成千上万种不同的新抗原，而预测哪些新抗原会引发T细胞反应的方法被证明是耗时、技术上具有挑战性和昂贵的。

在美国国家卫生研究院(NIH)和德克萨斯癌症预防研究所(CPRIT)的拨款支持下，研究小组寻找了一种更好的技术，将目光投向了机器学习。他们训练了一种基于深度学习的算法，并将其命名为pMTnet，使用的数据来自三种不同成分的已知结合或非结合组合:新抗原;在癌细胞表面呈现新抗原的主要组织相容性复合体(MHCs)蛋白质;T细胞受体(TCRs)负责识别新抗原- mhc复合物。然后，他们将算法与30个不同的研究数据集进行了对比，这些研究通过实验确定了结合或非结合的新抗原T细胞受体对。实验表明，新算法具有较高的精度。

研究人员使用这种新工具来收集分类在癌症基因组图谱(The Cancer Genome Atlas)中的新抗原的信息，这是一个公共数据库，包含了11000多个原发肿瘤的信息。pMTnet显示，与肿瘤相关抗原相比，新抗原通常会引发更强的免疫反应。它还预测了哪些患者对免疫检查点阻断疗法有更好的反应，并有更好的总体生存率。

“作为一名免疫学家，目前免疫治疗面临的最大障碍是确定哪些抗原被哪些T细胞识别，以便利用这些配对来达到治疗目的，”通讯作者Alexandre Reuben博士说，他是MD Anderson的胸头颈肿瘤医学助理教授。“pMTnet的表现优于现有的替代产品，使我们更接近这一目标。”

其他参与这项研究的UTSW研究人员包括James Zhu, Yunguan Wang, Xue Xiao和Lin Xu。其他对这项工作做出贡献的MD安德森科学家包括蒋培新、Chantale Bernatchez、John V. Heymach和Don L. Gibbons。纽约大学朗格尼健康中心的王军博士也参与了这项工作。

德克萨斯大学西南分校的西蒙斯癌症中心和MD安德森癌症中心是美国国家癌症研究所独家指定的51个综合中心，其中包括与美国国家人类基因组研究所的联合努力，以监督癌症基因组图谱项目。该研究得到了NIH (5P30CA142543/TW和R01CA258584/TW)、CPRIT (RP190208/TW)、MD安德森(肺癌登月)、MD安德森大学癌症基金会、wn Ki Hong肺癌研究基金、Exon 20集团和Rexanna’s Foundation for Fighting Lung Cancer的支持。

Journal Reference:

1. Tianshi Lu, Ze Zhang, James Zhu, Yunguan Wang, Peixin Jiang, Xue Xiao, Chantale Bernatchez, John V. Heymach, Don L. Gibbons, Jun Wang, Lin Xu, Alexandre Reuben, Tao Wang. Deep learning-based prediction of the T cell receptor–antigen binding specificity. Nature Machine Intelligence, 2021; DOI: 10.1038/s42256-021-00383-2