新的机器学习方法可能有助于个性化癌症治疗

由约翰·霍普金斯大学工程师和癌症研究人员组成的团队开发的深度学习技术可以准确预测可能引发免疫系统反应的癌症相关蛋白质片段。如果在临床试验中得到验证，该技术可以帮助科学家克服开发个性化免疫疗法和疫苗的主要障碍。

在 7 月 20 日发表在《自然机器智能》杂志上的一项研究中，来自约翰·霍普金斯生物医学工程、约翰·霍普金斯计算医学研究所、约翰·霍普金斯金梅尔癌症中心和彭博~金梅尔癌症免疫治疗研究所的研究人员表明，他们的深度学习方法称为 BigMHC，可以识别癌细胞上引发肿瘤细胞杀伤免疫反应的蛋白质片段，这是了解免疫疗法反应和开发个性化癌症疗法的重要一步。

“癌症免疫疗法旨在激活患者的免疫系统来消灭癌细胞，”生物医学工程、肿瘤学和计算机科学教授、计算医学研究所核心成员 Rachel Karchin 博士说。“这个过程中的一个关键步骤是免疫系统通过 T 细胞与细胞表面的癌症特异性蛋白片段结合来识别癌细胞。”

引发这种肿瘤杀伤免疫反应的癌症蛋白片段可能源自癌细胞基因组成的变化(或突变)，称为突变相关新抗原。每个患者的肿瘤都有一组独特的新抗原，这些新抗原决定了肿瘤的异质性，换句话说，决定了肿瘤构成与自身相比有多么不同。

科学家可以通过分析癌症的基因组来识别患者的肿瘤具有哪些与突变相关的新抗原。确定那些最有可能引发肿瘤杀伤免疫反应的物质可以使科学家们开发个性化癌症疫苗或定制免疫疗法，并为患者选择这些疗法提供信息。然而，目前识别和验证触发免疫反应的新抗原的方法既耗时又昂贵，因为这些方法通常依赖于劳动密集型的潮湿实验室实验。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！