IA prevê células que matam tumores com alta precisão
Usando inteligência artificial, os cientistas da Ludwig Cancer Research desenvolveram um poderoso modelo preditivo para identificar as células imunológicas mais potentes que matam o câncer para uso em imunoterapias contra o câncer.
Combinado com algoritmos adicionais, o modelo preditivo, descrito na edição atual da revista Nature Biotechnology , pode ser aplicado a tratamentos personalizados de câncer que adaptam a terapia à composição celular única dos tumores de cada paciente.
"A implementação da inteligência artificial na terapia celular é nova e pode mudar o jogo, oferecendo novas opções clínicas aos pacientes", disse Alexandre Harari, da Ludwig Lausanne, que liderou o estudo com o estudante de graduação Rémy Pétremand.
A imunoterapia celular envolve a extração de células imunológicas do tumor de um paciente, opcionalmente manipulando-as para melhorar suas habilidades naturais para combater o câncer e reintroduzindo-as no corpo depois de terem sido expandidas em cultura. As células T são um dos dois principais tipos de glóbulos brancos, ou linfócitos, que circulam no sangue e patrulham células infectadas por vírus ou cancerosas.
As células T que penetram em tumores sólidos são conhecidas como linfócitos infiltrantes de tumor, ou TILs. No entanto, nem todos os TILs são eficazes no reconhecimento e no ataque às células tumorais. "Apenas uma fração é de fato reativa ao tumor ? a maioria são espectadores", explicou Harari. "O desafio que nos propusemos foi identificar os poucos TILs equipados com receptores de células T capazes de reconhecer antígenos no tumor".
Para fazer isso, Harari e sua equipe desenvolveram um novo modelo preditivo baseado em IA, chamado TRTpred, que pode classificar os receptores de células T (TCRs) com base em sua reatividade tumoral. Para desenvolver o TRTpred, eles usaram 235 TCRs coletados de pacientes com melanoma metastático, já classificados como reativos ou não reativos ao tumor. A equipe carregou os perfis globais de expressão genética - ou transcriptômica - das células T que transportam cada TCR em um modelo de aprendizado de máquina para identificar padrões que diferenciam as células T reativas ao tumor das contrapartes inativas.
"O TRTpred pode aprender com uma população de células T e criar uma regra que pode então ser aplicada a uma nova população", explicou Harari. "Assim, quando confrontado com um novo TCR, o modelo pode ler o seu perfil transcriptómico e prever se é reativo ao tumor ou não".
O modelo TRTpred analisou TILs de 42 pacientes com melanoma e câncer gastrointestinal, de pulmão e de mama e identificou TCRs reativos a tumores com cerca de 90% de precisão. Os pesquisadores refinaram ainda mais seu processo de seleção de TIL aplicando um filtro algorítmico secundário para rastrear apenas as células T reativas ao tumor com "alta avidez" ? isto é, aquelas que se ligam fortemente aos antígenos tumorais.
"O TRTpred é exclusivamente um preditor de se um TCR é reativo ao tumor ou não", explicou Harari. "Mas alguns TCR reativos a tumores ligam-se fortemente às células tumorais e são, portanto, muito eficazes, enquanto outros o fazem apenas de forma preguiçosa. Distinguir os ligantes fortes dos fracos traduz-se em eficácia".
Os pesquisadores demonstraram que as células T sinalizadas pelo TRTpred e pelo algoritmo secundário como reativas ao tumor e com alta avidez foram mais frequentemente encontradas incorporadas nos tumores do que no tecido de suporte adjacente, conhecido como estroma. Esta descoberta está alinhada com outras pesquisas que mostram que as células T eficazes normalmente penetram profundamente nas ilhotas tumorais.
A equipe introduziu então um terceiro filtro para maximizar o reconhecimento de diversos antígenos tumorais. "O que queremos é maximizar as chances de os TILs atingirem o maior número possível de antígenos diferentes", disse Harari.
Este filtro final organiza os TCRs em grupos com base em características físicas e químicas semelhantes. Os pesquisadores levantaram a hipótese de que os TCRs em cada cluster reconhecem o mesmo antígeno. "Portanto, escolhemos dentro de cada cluster um TCR para amplificar, de modo a maximizar as chances de alvos de antígenos distintos", disse Vincent Zoete, cientista computacional de Ludwig Lausanne que desenvolveu a avidez do TCR e os algoritmos de agrupamento de TCR.
Os pesquisadores chamam a combinação de TRTpred e filtros algorítmicos de MixTRTpred.
Para validar sua abordagem, a equipe de Harari cultivou tumores humanos em camundongos, extraiu TCRs de seus TILs e usou o sistema MixTRTpred para identificar células T que eram reativas ao tumor, tinham alta avidez e tinham como alvo múltiplos antígenos tumorais. Eles então projetaram células T de camundongos para expressar esses TCRs e mostraram que essas células poderiam eliminar tumores quando transferidas para os camundongos.
"Este método promete superar algumas das deficiências da atual terapia baseada em TIL, especialmente para pacientes que lidam com tumores que não respondem a tais terapias atualmente", disse o diretor da Ludwig Lausanne, George Coukos, co-autor do estudo que está planejando lançar um Ensaio clínico de fase I que testará a tecnologia em pacientes.
"Nossos esforços conjuntos trarão um tipo completamente novo de terapia com células T".
Este estudo foi apoiado pela Ludwig Cancer Research, pela Swiss National Science Foundation, pela Cancera Foundation, pela Mats Paulssons Foundation e pela Biltema Foundation.
Alexandre Harari é PI da equipe Hi-TIDe da Ludwig Lausanne e professor associado da Universidade de Lausanne.
Fonte da história:
Materiais fornecidos pelo Instituto Ludwig para Pesquisa do Câncer . Nota: O conteúdo pode ser editado quanto ao estilo e comprimento.
Referência do periódico :
1. Rémy Pétremand, Johanna Chiffelle, Sara Bobisse, Marta AS Perez, Julien Schmidt, Marion Arnaud, David Barras, Maria Lozano-Rabella, Raphael Genolet, Christophe Sauvage, Damien Saugy, Alexandra Michel, Anne-Laure Huguenin-Bergenat, Charlotte Capt, Jonathan S. Moore, Claudio De Vito, S. Intidhar Labidi-Galy, Lana E. Kandalaft, Denarda Dangaj Laniti, Michal Bassani-Sternberg, Giacomo Oliveira, Catherine J. Wu, George Coukos, Vincent Zoete, Alexandre Harari. "Identificação de receptores de células T clinicamente relevantes para terapia de células T personalizada usando algoritmos combinatórios" . Biotecnologia da Natureza , 2024; DOI: 10.1038/s41587-024-02232-0
Cite esta página :
Instituto Ludwig de Pesquisa do Câncer. "A IA prevê células que matam tumores com alta precisão." CiênciaDiariamente. ScienceDaily, 7 de maio de 2024. < www.sciencedaily.com/releases/2024/05/240507150228.htm > .