Ученые Университета Северной Каролины Комплексного онкологического центра Линбергера разработали и проверили модель для прогнозирования того, что может сделать эффективную противораковую вакцину против опухоли пациента. Это открытие может помочь преодолеть значительное препятствие в разработке персонализированных противораковых вакцин.
В исследовании, опубликованном в журнале Cancer Immunology Research, ученые UNC Lineberger сообщили об открытии метода прогнозирования того, могут ли аномальные белки, продуцируемые раковыми клетками, вызвать иммунный ответ. Это важно, потому что не все так называемые "неоантигены" созданный раковыми клетками, заставит иммунную систему организма бороться с раком.
"В то время как область терапевтических противоопухолевых вакцин быстро развивается, основной проблемой является определение того, какие мишени обеспечат наилучшие противораковые эффекты," сказал Бенджамин Винсент из UNC Lineberger, доктор медицинских наук, доцент кафедры гематологии / онкологии Медицинской школы UNC и автор исследования. "Это исследование предлагает новый метод решения этой проблемы: прогнозирование эффективности мишени противоопухолевой вакцины до начала лечения пациента и обеспечение возможности лечения с помощью оптимизированного набора надежных мишеней вакцины."
Работа является частью усилий исследователей по изучению того, могут ли они сканировать геном раковой клетки, чтобы найти ключи к наличию нарушений, производимых раком – нерегулярных белков, называемых неоантигенами, или новых антигенов, которые могут появиться на поверхности. поверхность раковой клетки. Затем, основываясь на этих выводах, они хотят использовать эти неоантигены для запуска иммунного ответа на рак, но не против нормальных, здоровых клеток.
"Одно из препятствий для исследований противораковой вакцины заключается в том, что у вас могут быть мишени для вакцины, которые не могут вызвать хороший ответ," сказал Кристоф Смит, доктор философии.D., доктор медицинских наук.D. студент Медицинской школы UNC. "Чтобы решить эту проблему, мы разработали и проверили новый алгоритм машинного обучения для прогнозирования способности определенного опухолеспецифического антигена вызывать иммунный ответ."
Уже существуют методы, способные предсказать потенциальную экспрессию и презентацию неоантигена опухолью, но Смит сказал, что они говорят "только половина истории." В то время как существующие методы фокусируются на том, насколько хорошо конкретный патологический маркер рака может быть упакован и представлен на поверхности опухолевой клетки, Смит сказал, что их метод дополнительно исследует, насколько хорошо иммунная клетка может распознавать этот маркер и реагировать на него.
"Современные методы ранжирования эффективности неоантигенов основаны на прогнозировании того, насколько хорошо этот неоантиген будет представлен в организме," Винсент сказал. "Проблема с этим методом заключается в том, что он не учитывает, насколько хорошо неоантиген может активировать иммунную систему. Таким образом, наш алгоритм может еще больше повысить точность предсказанных неоантигенов, способных генерировать устойчивые иммунные ответы."
В своем методе исследователи использовали лабораторные модели для анализа иммунного ответа на сотни различных предсказанных неоантигенов. Затем они использовали машинное обучение для анализа данных, чтобы определить, какие антигены могут лучше всего вызывать иммунный ответ.
"По сути, мы разрабатываем программный продукт, который может напрямую предсказать, насколько иммуногенна конкретная мишень, что действительно необходимо в этой области," Смит сказал.