Поиск лекарств, которые могут убивать раковые клетки, не повреждая при этом нормальные ткани, – это Святой Грааль онкологических исследований. В двух новых статьях ученые из Калифорнийского университета в Сан-Франциско и Принстонского университета представляют дополнительные стратегии решения этой проблемы с помощью "умный" клеточная терапия – живые лекарства, которые остаются инертными, если их не запускают комбинации белков, которые только когда-либо появляются вместе в раковых клетках.
Биологические аспекты этого общего подхода изучались в течение нескольких лет в лаборатории Венделла Лима, доктора философии.D., и коллегами из UCSF Cell Design Initiative и Центра синтетической иммунологии, спонсируемого Национальным институтом рака. Но новая работа добавляет новое измерение в эту работу, сочетая передовую терапевтическую клеточную инженерию с передовыми вычислительными методами.
В одной статье, опубликованной 23 сентября 2020 года в Cell Systems, сотрудники лаборатории Лима объединили свои усилия с исследовательской группой компьютерного ученого Ольги Г. Троянская, к.D., Института интегративной геномики им. Льюиса-Сиглера в Принстоне и Института Флэтайрона Фонда Саймонса. Используя подход машинного обучения, команда проанализировала огромные базы данных тысяч белков, обнаруженных как в раковых, так и в нормальных клетках. Затем они прочесали миллионы возможных комбинаций белков, чтобы составить каталог комбинаций, которые можно было бы использовать для точного нацеливания только на раковые клетки, оставляя только нормальные.
В другой статье, опубликованной в Science 27 ноября 2020 года, Лим и его коллеги показали, как эти полученные с помощью вычислений данные о белках можно использовать для разработки эффективных и высокоселективных методов клеточной терапии рака.
"В настоящее время большинству методов лечения рака, включая клеточную терапию, говорят: «заблокируйте это» или «убейте это»" сказал Лим, также профессор и заведующий кафедрой клеточной и молекулярной фармакологии и член семейного онкологического центра UCSF Helen Diller. "Мы хотим усилить нюанс и сложность решений, которые принимает терапевтическая ячейка."
За последнее десятилетие Т-клетки химерного антигенного рецептора (CAR) были в центре внимания как мощное средство лечения рака. При терапии CAR Т-лимфоцитами клетки иммунной системы берутся из крови пациента и обрабатываются в лаборатории для экспрессии определенного рецептора, который распознает очень конкретный маркер или антиген на раковых клетках.
Хотя ученые показали, что CAR-Т-клетки могут быть довольно эффективными, а иногда и излечивающими, при раке крови, таком как лейкемия и лимфома, до сих пор этот метод не работал хорошо при солидных опухолях, таких как рак груди, легких или печени. Клетки в этих солидных раковых опухолях часто имеют общие антигены с нормальными клетками, обнаруженными в других тканях, что создает риск того, что CAR T-клетки могут иметь нецелевые эффекты, нацелившись на здоровые органы. Кроме того, солидные опухоли также часто создают подавляющую микросреду, которая ограничивает эффективность CAR Т-клеток.
Для Лима клетки сродни молекулярным компьютерам, которые могут ощущать окружающую среду, а затем объединять эту информацию для принятия решений. Поскольку солидные опухоли сложнее рака крови, "вам нужно сделать более сложный продукт" чтобы бороться с ними, сказал он.
В исследовании Cell Systems под руководством Рут Данненфельзер, Ph.D., бывший аспирант в команде Троянской в Принстоне и Грегори Аллен, доктор медицины, кандидат наук.D., научный сотрудник лаборатории Лим – исследователи изучили общедоступные базы данных, чтобы изучить профиль экспрессии более 2300 генов в нормальных и опухолевых клетках, чтобы увидеть, какие антигены могут помочь отличить один от другого. Исследователи использовали методы машинного обучения, чтобы найти возможные совпадения и посмотреть, какие антигены сгруппированы вместе.
Основываясь на этом анализе экспрессии генов, Лим, Троянская и его коллеги применили булеву логику к комбинациям антигенов, чтобы определить, могут ли они значительно улучшить то, как Т-клетки распознают опухоли, игнорируя нормальные ткани. Например, используя логические операторы И, ИЛИ или НЕ, опухолевые клетки можно отличить от нормальной ткани с помощью маркеров "А" ИЛИ "B," но нет "C," куда "C" это антиген, обнаруженный только в нормальных тканях.
Чтобы запрограммировать эти инструкции в Т-клетки, они использовали систему, известную как synNotch, настраиваемый молекулярный датчик, который позволяет синтетическим биологам точно настраивать программирование клеток. SynNotch, разработанный в лаборатории Лим в 2016 году, представляет собой рецептор, который может быть сконструирован для распознавания множества целевых антигенов. Выходной ответ synNotch также можно запрограммировать так, чтобы клетка выполняла любой из диапазона ответов после распознавания антигена.
Чтобы продемонстрировать потенциальную силу собранных данных, команда использовала synNotch для программирования Т-клеток на уничтожение раковых клеток почек, которые экспрессируют уникальную комбинацию антигенов, называемых CD70 и AXL. Хотя CD70 также обнаруживается в здоровых иммунных клетках, а AXL – в здоровых клетках легких, Т-клетки со встроенным логическим вентилем synNotch AND убивают только раковые клетки и сохраняют здоровые клетки.
"Область анализа больших данных рака и область клеточной инженерии резко выросли за последние несколько лет, но эти достижения не были объединены," сказала Троянская. "Вычислительные возможности терапевтических клеток в сочетании с подходами машинного обучения позволяют эффективно использовать все более обширные геномные и протеомные данные о раке."
Работа, описанная в новой научной статье под руководством бывшего аспиранта UCSF Джаспера Уильямса, показывает, как несколько рецепторов synNotch могут быть соединены в гирляндную цепь для создания множества сложных схем распознавания рака. Поскольку synNotch может активировать экспрессию выбранных генов в "подключи и играй" Таким образом, эти компоненты могут быть связаны различными способами для создания цепей с различными булевыми функциями, что позволяет точно распознавать больные клетки и давать ряд ответов, когда эти клетки идентифицируются.
"Эта работа, по сути, представляет собой руководство по клеточной инженерии, которое предоставляет нам схемы построения различных классов терапевтических Т-клеток, которые могут распознавать практически любой возможный тип комбинаторного антигенного паттерна, который может существовать в раковой клетке," сказал Лим.
Например, рецептор synNotch может быть сконструирован таким образом, чтобы при распознавании антигена A клетка создавала второй synNotch, который распознает B, что, в свою очередь, может индуцировать экспрессию CAR, распознающего антиген C. Результатом является Т-клетка, которой для запуска убийства требуется присутствие всех трех антигенов. В другом примере, если Т-клетка встречает антиген, присутствующий в нормальных тканях, но не в раке, рецептор synNotch с функцией НЕ может быть запрограммирован так, чтобы Т-клетка, несущая его, умирала, защищая нормальные клетки от атаки и возможных токсических воздействий. эффекты.
В статье Science, используя сложные конфигурации synNotch, подобные этой, Лим и его коллеги показывают, что они могут выборочно убивать клетки, несущие различные комбинаторные маркеры меланомы и рака груди. Более того, когда оснащенные synNotch Т-клетки вводили мышам, несущим две похожие опухоли с разными комбинациями антигенов, Т-клетки эффективно и точно локализовали опухоль, которую они были сконструированы для обнаружения, и надежно выполняли клеточную программу, разработанную учеными.
Группа Лима сейчас изучает, как эти цепи могут быть использованы в CAR Т-клетках для лечения глиобластомы, агрессивной формы рака головного мозга, которая почти всегда фатальна при использовании традиционных методов лечения.
"Вы не просто ищете одну цель волшебной пули. Вы пытаетесь использовать все данные," Лим сказал. "Нам необходимо просмотреть все доступные данные о раке, чтобы найти однозначные комбинаторные признаки рака. Если мы сможем это сделать, мы сможем запустить использование этих более умных клеток, которые действительно используют вычислительную сложность биологии и оказывают реальное влияние на борьбу с раком."