Grâce à l’intelligence artificielle (IA), les scientifiques du Ludwig International Cancer Center ont développé un modèle prédictif puissant pour identifier les cellules immunitaires tueuses de tumeurs les plus puissantes pouvant être utilisées dans les immunothérapies anticancéreuses, rapporte News.ro.
Combiné avec des algorithmes supplémentaires, le modèle de prédiction, décrit dans le numéro actuel de la revue Biotechnologie naturellepeut être appliqué à des traitements personnalisés contre le cancer qui adaptent la thérapie à la composition cellulaire unique des tumeurs de chaque patient.
“La mise en œuvre de l’intelligence artificielle dans la thérapie cellulaire est nouvelle et peut changer la donne, en offrant de nouvelles options cliniques aux patients”, a déclaré dans un rapport du Ludwig Center Lausanne, Alexandre Harari, qui a dirigé l’étude.
L’immunothérapie cellulaire consiste à extraire des cellules immunitaires de la tumeur d’un patient, éventuellement à les modifier par génie génétique pour améliorer leurs capacités naturelles de lutte contre le cancer, et à les réintroduire dans l’organisme après leur multiplication.
Les lymphocytes T sont l’un des deux principaux types de globules blancs, ou lymphocytes, qui circulent dans le sang et patrouillent pour détecter les cellules infectées par un virus ou cancéreuses.
Les lymphocytes T qui infiltrent les tumeurs solides sont appelés lymphocytes infiltrant les tumeurs, ou TIL. Cependant, tous ces TIL ne sont pas efficaces pour reconnaître et attaquer les cellules tumorales.
“Seule une fraction est en fait réactive aux tumeurs”, a expliqué Harari. “Le défi que nous nous sommes fixé était d’identifier les quelques TIL équipés de récepteurs de lymphocytes T capables de reconnaître les antigènes présents sur la tumeur.”
Pour ce faire, l’équipe a développé un nouveau modèle prédictif basé sur l’intelligence artificielle, appelé TRTpred, capable de classer les récepteurs des lymphocytes T (TCR) en fonction de leur réactivité tumorale. Pour développer TRTpred, ils ont utilisé 235 TCR collectés auprès de patients atteints de mélanome métastatique, déjà classés comme réactifs ou non réactifs à la tumeur.
L’équipe a chargé les profils d’expression génique – ou transcriptomique – des cellules T portant chaque TCR dans un modèle d’apprentissage automatique pour identifier les modèles qui différencient les cellules T réactives aux tumeurs des cellules inactives.
“TRTpred peut apprendre d’une population de cellules T et créer une règle qui peut ensuite être appliquée à une nouvelle population”, a expliqué le chercheur. “Ainsi, face à un nouveau TCR, le modèle peut lire son profil transcriptomique et estimer si la cellule réagit ou non aux tumeurs.”
Le modèle TRTpred a analysé les TIL de 42 patients atteints de mélanome et de cancer gastro-intestinal, du poumon et du sein et a identifié les TCR réactifs aux tumeurs avec une précision d’environ 90 %.
Les chercheurs ont affiné davantage leur processus de sélection de ces TIL en appliquant un filtre algorithmique secondaire pour dépister uniquement les lymphocytes T réactifs aux tumeurs ayant une « avidité élevée », c’est-à-dire ceux qui se lient fortement aux antigènes tumoraux.
“TRTpred est exclusivement un prédicteur de la réaction ou non d’un TCR dans les tumeurs”, a expliqué Harari.
Mais certains TCR réactifs aux tumeurs se lient très fortement aux cellules tumorales et sont donc très efficaces, tandis que d’autres ne le font que de manière paresseuse. Distinguer ceux qui lient fortement de ceux qui lient faiblement se traduit par une efficacité, a-t-il expliqué.
Les chercheurs ont démontré que les lymphocytes T signalés par TRTpred et l’algorithme secondaire comme étant à la fois réactifs aux tumeurs et présentant une avidité élevée étaient plus souvent trouvés intégrés dans les tumeurs que dans le tissu de soutien adjacent appelé stroma. Cette découverte concorde avec d’autres recherches montrant que les lymphocytes T efficaces pénètrent généralement profondément dans les îlots tumoraux.
L’équipe a ensuite introduit un troisième filtre pour maximiser la reconnaissance de divers antigènes tumoraux.
“Ce que nous voulons, c’est maximiser les chances que ces TIL ciblent autant d’antigènes différents que possible”, a déclaré Harari.
Ce dernier filtre organise les TCR en groupes basés sur des caractéristiques physiques et chimiques similaires. Les chercheurs ont émis l’hypothèse que ces TCR de chaque groupe reconnaissent le même antigène.
Ainsi, les chercheurs choisissent au sein de chaque cluster un TCR à amplifier, de manière à maximiser les chances d’avoir des cibles antigéniques distinctes.
Ils appellent la combinaison de TRTpred et de filtres algorithmiques MixTRTpred.
Pour valider leur approche, l’équipe a cultivé des tumeurs humaines chez des souris, extrait les récepteurs des lymphocytes T (TCR) de leurs cellules infiltrant les tumeurs (TIL) et utilisé le système MixTRTpred pour identifier les lymphocytes T qui réagissaient aux tumeurs. une grande avidité et ciblaient plusieurs antigènes tumoraux.
Ils ont ensuite conçu des cellules T provenant de souris pour exprimer ces TCR et ont montré que ces cellules pouvaient éliminer les tumeurs lorsqu’elles étaient transférées à des souris.
“Cette méthode promet de surmonter certaines des lacunes de la thérapie actuelle basée sur le TIL, en particulier pour les patients confrontés à des tumeurs qui ne répondent actuellement pas à de telles thérapies”, a déclaré le directeur du Centre Ludwig de Lausanne, George Coukos, co-auteur de l’étude.
L’équipe prévoit désormais de lancer un essai clinique de phase I qui testera la technologie sur des patients, ce qui pourrait conduire à un tout nouveau type de thérapie par cellules T.
2024-05-09 07:47:51
1715233675
#Les #scientifiques #ont #développé #outil #dIA #pour #identifier #les #cellules #tueuses #tumeurs #avec #une #grande #précision