Алгоритм определяет, какие раковые мутации являются лучшими мишенями для иммунотерапии

Алгоритм определяет, какие раковые мутации являются лучшими мишенями для иммунотерапии

По мере того, как опухолевые клетки размножаются, они часто порождают десятки тысяч генетических мутаций. Выяснить, какие из них наиболее перспективны для иммунотерапии, все равно что найти несколько иголок в стоге сена. Теперь новая модель, разработанная исследователями из онкологического центра Абрамсона при Университете Пенсильвании, отбирает эти иглы вручную, чтобы их можно было использовать в более эффективных, индивидуальных противораковых вакцинах. Cell Systems опубликовала данные о разработке модели сегодня, и алгоритм уже доступен в Интернете как технология с открытым исходным кодом, которая может служить ресурсом.

«В опухолях есть мутации, которые могут привести к мощным иммунным ответам, но на каждую мутацию, которая вызывает устойчивый ответ, около 50 мутаций вообще не работают, что означает, что соотношение сигнал / шум невелико», – сказал ведущий автор исследования Ли П. Ричман , кандидат медицинских наук в области биологии рака в Медицинской школе Перельмана при Университете Пенсильвании . «Наша модель работает как фильтр, который выделяет сигнал и показывает нам, на каких целях следует сосредоточиться».

В настоящее время секвенирование опухоли и выявление возможных иммунотерапевтических методов основано на измерении, называемом бременем опухолевых мутаций (TMB), которое по сути является мерой скорости мутаций в данной опухоли. Опухоли с высокой частотой мутаций с большей вероятностью будут реагировать на ингибиторы иммунотерапии, такие как PD-1. Проблема в том, что по мере деления раковые клетки видоизменяются случайным образом, а поскольку делятся экспоненциально, потенциальные мутации практически бесконечны. Это означает, что, хотя данная иммунотерапия может воздействовать на определенный процент раковых клеток, этого может быть недостаточно для эффективного лечения любого конкретного пациента.

Модель команды Пенна вместо этого рассматривает белковые последовательности из образцов отдельных пациентов и оценивает, насколько они похожи на здоровые клетки и насколько сильно отличаются, чтобы иммунная система могла на них отреагировать. Чем больше он не похож, тем лучше мишень для иммунотерапии, потому что он с большей вероятностью привлечет и активирует терапию с меньшим побочным ущербом для здоровых клеток. Прогноз модели также персонализирован для каждого образца пациента. Команда проанализировала образцы 318 пациентов из пяти различных наборов данных клинических испытаний и не только подтвердила связь между несходством и перспективностью в качестве цели иммунотерапии, но также обнаружила, что несходство коррелирует с увеличением общей выживаемости после терапии PD-1 у пациентов с немалыми клеточный рак легкого.

При таком большом количестве различных возможностей мутаций мы, по сути, свели вопрос о том, какие мишени использовать, до математической задачи, а затем разработали алгоритм для ее решения », – сказал Эндрю Дж. Реч, доктор медицинских наук , резидент в области патологии и лабораторной медицины. и соавтор исследования вместе с Робертом Х. Вондерхайде, доктором медицины, доктором философии , директором Онкологического центра Абрамсона. «Мы также знали, что важно сделать эту модель доступной для других исследователей, чтобы они могли использовать информацию при разработке вакцины и клинических испытаниях».

Ссылка на основную публикацию