科学家开发抗原预测AI算法，成功找到肿瘤免疫通用靶点，为开发嵌合抗原受体奠定基础
source link: https://www.mittrchina.com/news/detail/12958
Go to the source link to view the article. You can view the picture content, updated content and better typesetting reading experience. If the link is broken, please click the button below to view the snapshot at that time.
麻省理工科技评论-科学家开发抗原预测AI算法，成功找到肿瘤免疫通用靶点，为开发嵌合抗原受体奠定基础
近日，武汉大学本科校友、美国辛辛那提儿童医院博士毕业生李光远开发出一套高效鉴定肿瘤特异性靶点的计算工具叫做 SNAF（Splicing Neo Antigen Finder ）。
此外，利用 SNAF 他和同事还首次报道了一系列此前未被关注过的广谱癌症新抗原，这对于目前的癌症免疫疗法非常有意义。
当前，针对鉴定出的肿瘤特异性新抗原，有多种不同的癌症免疫疗法：
一类是注射癌症疫苗，癌症疫苗能将合成的新抗原注射到患者体内，从而训练体内 T 细胞去以特异性方式，靶向和杀伤具有这类新抗原的癌症细胞，进而起到治疗作用。
截止当下，已经有很多处于前期临床试验阶段的癌症疫苗。而这次研究中鉴定出的新靶点，以及在未来利用 SNAF 工具可能发现的更多新抗原，都可以被用于制备新的癌症疫苗。
需要指出的是，很多接受癌症疫苗的患者都处于急需新抗原的状态下。“因此时间对他们来说是最宝贵的，尤其对于那些目前没有已知新抗原的癌症来说，鉴定出新的靶点将给患者带去新的希望。”李光远表示。
另一类治疗策略包括自体 T 细胞移植疗法、工程化的 T 细胞受体-T 疗法、以及 CAR-T 疗法。
虽然具体治疗手段各不不同，但是对于这些疗法来说，它们的第一步都是要发现合适的新抗原，这时就凸显出 SNAF 这一类靶点发掘工具的作用。
为开发单克隆抗体和嵌合抗原受体奠定理论基础
对于癌症免疫疗法来说，其关键在于发现特异性在肿瘤中表达，而在正常组织中并不存在靶点。
这样一来精心设计的免疫疗法就可以靶向这一类靶点，并能利用自身的免疫系统，以特异性的方式杀伤癌细胞。
要想鉴定这一类靶点，主要存在以下两个难点：
第一个难点，必须保证靶点在正常组织中的不表达，也就是具备肿瘤特异性，否则会造成极端的副作用，从而导致临床试验的失败。
第二个难点，要找到可能的广谱性抗原。目前，很多已知的新抗原都来自于肿瘤的特异性突变。然而，大多数的突变都因人而异，所以导致针对这一类靶点的癌症免疫疗法，必须采取个性化定制的方法，导致其造价成本极高。
由此可见，发现广谱且具有肿瘤特异性的新抗原，是目前领域内一个悬而未决的问题。
而在本次研究中，李光远等人将 SNAF 用在黑色素瘤患者身上，预测并鉴定出了两大类可能的靶点，这些靶点来源于一种肿瘤特异性的转录后调控机制。
这一类转录后调控被称作可变剪切（alternative splicing），李光远等人发现了两类由于肿瘤特异性剪切产生新抗原的机制，一种机制称之为 T 细胞靶点，原因在于其主要的效应细胞是 T 细胞受体。
研究中，他和合作者利用蛋白质组学和一系列生物化学技术进行实验验证，证明这一类靶点可以被呈递到细胞膜上，并能激活体内 T 细胞的活化。
另一方面，其还发现了一类胞外新表位（ExNeoEpitope），并将其称之为 B 细胞抗原，原因在于其主要的效应细胞是 B 细胞受体。
同样的，他们利用目前最新的长读长技术和原位荧光实验，证明了胞外新表位的存在以及在细胞中的位置，为开发单克隆抗体和嵌合抗原受体（CAR-T）奠定了理论基础。
“不要有任何隐瞒，即使是负面结果”
据了解，本次课题开始于 2019 年 12 月。李光远目前所在的课题组是一个计算生物学实验室。最开始他和同事只是打算开发一个计算工具，去帮助癌症生物学研究者发现可能的新抗原。
在开发工具的过程中，他们遇到了很多难点，其中一个便是很多癌症靶点都可以在正常组织中表达，这也就解释了为什么很多参与癌症临床试验的患者都出现了副作用。
但是，问题的关键在于如何更好地衡量靶点的肿瘤特异性。另外，既然要利用自身免疫细胞，那么鉴定的肿瘤新抗原必须具有免疫原性。
为解决以上两个问题，他们延伸出了另外两个计算课题。于是，2021 年李光远开发了一个基于卷积神经网络的深度学习模型预测免疫原性——DeepImmuno，相关论文发在 Briefing in Bioinformatics。
让他出乎意料的是，这篇论文获得了很高关注。后来领域内出现的新方法经常与 DeepImmuno 进行比较，DeepImmuno 所使用的方法也慢慢被领域所认可
他说：“这既给我带来了信心，也让我意识到一项研究一定要解释清楚，不要有任何的隐瞒，即使是负面的结果，也应该完整地报道出来，这样后人就可以少走弯路。”
2023 年，针对如何量化肿瘤特异性的问题，他开发了基于贝叶斯模型的 BayesTS score，并将其用于排序所有的新抗原。目前，这篇论文目前已经发布在预印本平台，并已进入同行评议的流程。
完成上述两个课题组之后，这一系列工作的计算部分终于划上句号。但是，李光远和同事很快就意识到，必须要真正地鉴定出好抗原，才能证明前面两款工具的可用性。
“这一段时间也是最艰难的，因为我几乎是从头学起，寻找合作者、向他们解释我们的课题，并希望能够与他们合作，然后进行实验验证。”他说。
最终，他很幸运地获得了三个外部课题组的帮助：
美国弗吉尼亚大学格洛丽亚·希恩克曼（Gloria Sheynkman）教授是蛋白质组学和长读长领域的专家，帮助他们完成了蛋白质组学和长读长的验证。
美国辛辛那提儿童医院塔玛拉·蒂尔堡（ Tamara Tilburgs）教授和 H.雷顿·格莱姆斯（H.Leighton Grimes）教授这两个课题组，帮助他们分别探究了 T 细胞抗原的免疫原性、B 细胞抗原的 co-localization、以及完成了 HLA 亲和力实验。
“这些实验验证至关重要，直接把我们的发现往前推进一大步。在项目之初，我自己也想不到能够走这么远。”李光远说。
最终，相关论文以《利用 SNAF 的新抗原发掘揭示了广谱免疫疗法靶点》（Splicing neoantigen discovery with SNAF reveals shared targets for cancer immunotherapy）为题发在 Science Translational Medicine[1]。
李光远是第一作者兼共同通讯，美国辛辛那提儿童医院的塔玛拉·蒂尔堡（Tamara Tilburgs）教授和内森·所罗门尼斯（Nathan Salomonis）教授担任共同通讯作者。
“red water 和 blue water”
李光远继续说道：“我还想分享一下如何面对科研竞争。在学术界有 red water 和 blue water 的说法。red water 是最受欢迎的研究方向，同时竞争也极其激烈，随时可能被抢发 。那 blue water 就是相对做得人少、竞争也会小很多的方向。”
很多人都希望选择 blue water 的方向，这也完全无可厚非。但随着对于所研究课题的熟悉，李光远渐渐发现作为一个好的科研工作者，逃避竞争和挑战从本质上是行不通的。
“当你第一次给自己找台阶下，你一定会有第二次，这和竞技体育有很多相似之处，即我们要时刻保持自己处于高水平的竞争中，所以不要害怕竞争。不管一个领域多拥挤，you just need to do better。而且，每一项研究都不是完美的，要坚守自己的初衷，勇敢地走下去。”他说。
另一方面，李光远也希望大家都能正面处理竞争。他说：“学术界的竞争如果处理得不好，会变成恶性竞争。而我们完全可以通过沟通，让竞争变成一个正向的推动力。我们只需要 be open-minded，认可别人做得好的地方，甚至竞争者也能成为很好的朋友。”
此外李光远表示，本次研究只是开发免疫疗法的第一步，未来必须在克服诸多挑战之后，才能进一步地推向临床研究，从而将他所发现的新抗原用于实际疗法之中。
参考资料：
1.Li, G., Mahajan, S., Ma, S., Jeffery, E. D., Zhang, X., Bhattacharjee, A., ... & Salomonis, N. (2024). Splicing neoantigen discovery with SNAF reveals shared targets for cancer immunotherapy.Science Translational Medicine, 16(730), eade2886.
运营/排版：何晨龙
Recommend
About Joyk
Aggregate valuable and interesting links.
Joyk means Joy of geeK