یک مطالعه نشان میدهد هوش مصنوعی (AI) به سرعت در حال تغییر نحوه شناسایی نئوآنتیژنها – پروتئینهای منحصر به فرد تولیدشده بوسیله سلولهای سرطانی است که میتوانند بوسیله سیستم ایمنی هدف قرار گیرند و این پیشرفت، واکسنهای سرطان شخصیسازیشده و درمانهای سلول T را به استفاده بالینی معمول نزدیکتر میکنند.
به گزارش دیدهبان علم ایران این مطالعه توسط محققان دانشگاه علوم پزشکی تهران انجام و نتایج آن در مقاله ای با عنوان AI-driven neoantigen identification: a comprehensive review from somatic variant calling to T cell recognition در مجله Springer Nature Link منتشر شده است
به گفته محققان ، نئوآنتیژنها قطعات پروتئینی کوچکی هستند که وقتی سلولهای سرطانی جهشهای DNA پیدا میکنند، ایجاد میشوند. از آنجا که این پروتئینها فقط در سلولهای تومور یافت میشوند و نه در بافت سالم، اهداف جذابی برای ایمنیدرمانیهای سرطان هستند. هنگامی که سیستم ایمنی یک نئوآنتیژن را تشخیص میدهد، سلولهای T میتوانند به سلولهای سرطانی حامل آن حمله کرده و آنها را از بین ببرند. این اصل زیربنای چندین درمان نوظهور، از جمله واکسنهای سرطان شخصیسازیشده و درمانهای سلول T مهندسیشده است.
چرا یافتن نئوآنتیژنها بسیار دشوار است؟
هر تومور حاوی هزاران جهش ژنتیکی است، اما تنها بخش کوچکی از آنها نئوآنتیژنهایی تولید میکنند که در واقع توسط سلولهای سرطانی ساخته میشوند، روی سطح سلول نمایش داده میشوند، توسط سلولهای T بیمار قابل تشخیص هستند و یک پاسخ ایمنی قوی را تحریک میکنند . یافتن این چند هدف مانند «یافتن سوزن در انبار کاه» به طور معمول نیاز به آزمایشهای آزمایشگاهی پیچیده و تجزیه و تحلیلهای محاسباتی متعدد دارد.
مطالعه توضیح میدهد که چگونه هوش مصنوعی میتواند تقریباً هر مرحله از کشف نئوآنتیژن را بهبود بخشد. به جای بررسی فقط جهشهای DNA، سیستمهای مدرن هوش مصنوعی اطلاعات را از منابع مختلف، از جمله مواردی شامل توالییابی DNA تومور، توالییابی RNA، نوعبندی آنتیژن لکوسیت انسانی (HLA)، مسیرهای پردازش پروتئین، طیفسنجی جرمی (ایمونوپتیدومیکس) و الگوهای تشخیص سلول T دریافت میکنند. مدلهای هوش مصنوعی با ادغام این دادهها میتوانند بهتر پیشبینی کنند که کدام پروتئینهای جهشیافته به احتمال زیاد حمله ایمنی را تحریک میکنند.
برنامههای کامپیوتری قبلی عمدتاً تخمین میزدند که یک پپتید چقدر قوی به مولکولهای HLA متصل میشود. اما مدلهای جدیدتر یادگیری عمیق با پیشبینی اینکه آیا یک پپتید درون سلول تومور پردازش میشود، به سطح سلول میرسد، به سلولهای ایمنی ارائه میشود، سلولهای T را فعال میکند، را انجام میدهند.
طبق بررسی محققان ایرانی، این مدلهای جدیدتر از روشهای پیشبینی قدیمیتر «فقط بر اساس اتصال» در بسیاری از انواع HLA و جمعیتهای بیمار بهتر عمل میکنند. مطالعات معیارسنجی بزرگ همچنین نشان دادهاند که ترکیب چندین ویژگی بیولوژیکی به حذف بسیاری از کاندیداهای مثبت کاذب کمک میکند و در عین حال امیدوارکنندهترین نئوآنتیژنها را حفظ میکند.
پژوهشگران مطالعه تأکید میکنند که هوش مصنوعی در حال حاضر از چندین نوع ایمنیدرمانی دقیق پشتیبانی میکند، از جمله:ذواکسنهای سرطان شخصیسازیشده که بهطور خاص برای تومور یک بیمار طراحی شدهاند، درمانهای مبتنی بر «گیرنده سلول T» یا TCR که سلولهای ایمنی را برای تشخیص اهداف خاص تومور مهندسی میکنند، شناسایی نئوآنتیژنهای «مشترک» که میتوانند در درمان گروههایی از بیماران با سرطانهای مشابه استفاده شوند و در نهایت این پیشرفتها میتواند ایمونوتراپی فردی را عملیتر و مقیاسپذیرتر کند.
با وجود این پیشرفتهای عمده، نویسندگان تأکید میکنند که هنوز موانع مهمی باید برطرف شوند چراکه مدلهای فعلی هوش مصنوعی میتوانند با این مواردی مانند: پیشبینی نئوآنتیژنهای ارائه شده توسط مولکولهای خاص HLA کلاس II، انواع ژنتیکی نادر HLA، ناهمگونی تومور که در آن قسمتهای مختلف یک تومور جهشهای مختلفی را حمل میکنند، مکانیسمهای فرار ایمنی که به سرطانها اجازه میدهند از تشخیص اجتناب کنند ، همچنان دست و پنجه نرم کنند.
این بررسی همچنین بر اهمیت اعتبارسنجی پیشبینیهای هوش مصنوعی با تکنیکهای آزمایشگاهی مانند طیفسنجی جرمی و آزمایش تجربی استاندارد قبل از استفاده از آنها در بیماران تأکید میکند.
محققان این مطالعه تاکید دارند که مقاله آنها مروری است، نه یک کارآزمایی بالینی جدید یا آزمایش آزمایشگاهی. نویسندگان شواهد بسیاری از مطالعات قبلی را تجزیه و تحلیل و خلاصه کردهاند تا توضیح دهند که چگونه هوش مصنوعی کشف نئوآنتیژن را متحول میکند و این حوزه به کجا میرود.
با این همه مطالعه اذعان میکند که هوش مصنوعی در حال تبدیل شدن به ابزاری قدرتمند برای شناسایی پروتئینهای نادر مخصوص تومور است که میتوانند توسط سیستم ایمنی هدف قرار گیرند ، با ترکیب دادههای ژنومی، پروتئینی و ایمونولوژیکی جستجوی نئوآنتیژنها را بهبود میبخشد و از توسعه واکسنهای شخصیسازیشده سرطان و درمانهای سلول T پشتیبانی میکند. در حالی که هنوز به اعتبارسنجی و تحقیقات بالینی بیشتری نیاز است، این پیشرفتها میتوانند به ایمنیدرمانی دقیق سرطان دقیقتر، مؤثرتر و در دسترستر کمک کنند.
انتهای پیام
* نشانی ایمیل شما منتشر نخواهد شد. بخشهای موردنیاز علامتگذاری شدهاند