利用人工智能，南加州大学的研究人员开创了一种治疗胶质母细胞瘤的潜在新免疫疗法

编辑推荐：在一项关于胶质母细胞瘤的创新研究中，科学家们利用人工智能(AI)对癌细胞进行了重编程，将它们转化为树突状细胞(dc)，这种细胞可以识别癌细胞并指导其他免疫细胞杀死它们。南加州大学的一项新研究利用人工智能来探索哪些基因控制着细胞的命运——例如，它是发育成心脏细胞、肺细胞还是癌细胞。研究人员发现了可以重新编程胶质母细胞瘤细胞的基因，将它们转化为肿瘤本身的免疫细胞，这样它们就能有效地靶向它们的同类癌细胞进行破坏。

生物通8月7日报道，在一项关于胶质母细胞瘤的创新研究中，科学家们利用人工智能(AI)对癌细胞进行了重编程，将它们转化为树突状细胞(dc)，这种细胞可以识别癌细胞并指导其他免疫细胞杀死它们。

胶质母细胞瘤是成人中最常见的脑癌，也是最致命的，只有不到10%的患者在确诊后能存活5年。虽然免疫疗法等新方法已经彻底改变了其他癌症的治疗方法，但它们对胶质母细胞瘤患者却收效甚微。部分原因是这些难以到达的脑肿瘤隐藏在血脑屏障后面，免疫细胞很难到达并消灭它们。

但是，由美国国立卫生研究院(National Institutes of Health)部分支持、南加州大学凯克医学院(Keck School of Medicine of USC)领导的一项新研究，利用人工智能来探索哪些基因控制着细胞的命运——例如，它是发育成心脏细胞、肺细胞还是癌细胞。研究人员发现了可以重新编程胶质母细胞瘤细胞的基因，将它们转化为肿瘤本身的免疫细胞，这样它们就能有效地靶向它们的同类癌细胞进行破坏。

在胶质母细胞瘤小鼠模型中，该方法将存活几率提高了75%。研究结果刚刚发表在美国癌症研究协会的《癌症免疫学研究》杂志上。

“这项开创性的研究利用人工智能的力量将胶质母细胞瘤细胞转化为免疫激活细胞，标志着癌症免疫治疗的重大进步，”该研究的主要作者David Tran博士说，“通过让癌症自身的细胞对抗它，我们正在为更有效的治疗铺平道路，并为与这种癌症和许多其他侵袭性癌症作斗争的患者提供新的希望。”

除了在动物模型上的工作外，研究人员还利用人工智能识别了一组可以将人类胶质母细胞瘤细胞转化为免疫细胞的基因。在未来，科学家可以通过将这种遗传物质嵌入一种无害的病毒(一种被称为病毒载体的工具)中，将其传递给胶质母细胞瘤患者。

“迫使一个拥有2万个基因的细胞变成其他东西是非常复杂的。使用传统的分子方法，这几乎是不可能做到的，”Tran说，“人工智能正在帮助我们回答一些关键问题，并为我们提供了一种学习如何操纵细胞命运的有力方法。”

控制一个细胞的命运

dc在激活免疫反应中起着核心作用:它们从抗原(如癌细胞)中取样，并将其呈现给其他免疫细胞，包括t细胞军团，有效地引发全面攻击。

有证据表明dc可以对抗胶质母细胞瘤，但科学家们还没有找到一种可靠的方法让它们通过血脑屏障，进入肿瘤的敌对环境。通过对肿瘤内已经存在的癌细胞进行重新编程，Tran和他的团队绕过了这一重大挑战。

当操纵细胞的命运时，一个重要的考虑是特异性。例如，将健康的脑细胞转化为dc可能会缩小脑肿瘤，但会导致健康问题。

“我们不想给病人注射能将各种细胞转化为dc的药物，”Tran说。

他和他的团队开发的机器学习系统能够查询数以万计的基因和数百万个基因与基因之间的连接，并识别出那些可以专门针对胶质母细胞瘤细胞的基因，并对它们进行重新编程，使其类似于dc。这种人工智能驱动的方法与之前的研究不同，之前的研究使用了所谓的经验方法来手动识别控制细胞命运的基因。

“人工智能的高计算能力确实帮助我们加快了发现过程，”Tran说。

与其他免疫疗法一起使用，重编程胶质母细胞瘤细胞显著提高了胶质母细胞瘤小鼠模型的免疫反应和存活率。当与免疫检查点治疗相结合时，新方法将生存机会提高了75%。当与传统的DC疫苗联合使用时，这种新方法使存活的机会增加了一倍。(单独使用，免疫检查点疗法和DC疫苗都不能增加胶质母细胞瘤患者的生存机会。)

走向临床试验

除了在小鼠身上进行的概念验证研究外，研究人员还利用他们的人工智能系统识别了一组人类基因，这些基因可以将人类胶质母细胞瘤细胞转化为类似dc的细胞。接下来，他们计划对名单进行微调，将遗传物质打包到病毒载体中，并在动物模型中开始第一轮安全性和有效性测试。

Tran说:“我们希望扩大搜索范围，在对患者进行测试时，利用人工智能帮助我们找到可能的最佳组合。”

如果这种方法被认为是安全有效的——这意味着它改善了胶质母细胞瘤模型的结果，并且不会产生意想不到的副作用——tran和他的团队将在几年内申请批准，开始在患者身上进行临床试验。未来，他们还希望利用他们的人工智能模型找到可以重新编程其他类型癌细胞的基因，使其表现得像DCs。

新闻来源：生物通           

编辑：Audrey

（声明：请读者严格遵守所在地法律法规，本文不代表任何投资建议）