طراحی واکسن‌های شخصی‌سازی شده سرطان با روشی جدید

دانشمندان مؤسسه تحقیقاتی سرطان لودویگ، یک روش محاسباتی جدید به نام NeoDisc ایجاد کرده‌اند که با استفاده از تحلیل‌های مولکولی و ژنتیکی و همچنین الگوریتم‌های هوش مصنوعی، واکسن‌های شخصی‌سازی شده سرطان را برای هر بیمار طراحی می‌کند.

به گزارش تک‌ناک، این ابزار قادر به شناسایی آنتی‌ژن‌های اختصاصی تومورهای بیماران است که می‌تواند برای ایجاد واکسن‌ها و ایمنی‌درمانی‌های اختصاصی استفاده شود. این تکنیک پیشرفته در حال حاضر در آزمایشات بالینی برای واکسن‌های سرطان در حال استفاده است.

طراحی، اعتبارسنجی و ارزیابی مقایسه‌ای مجموعه محاسباتی NeoDisc، در مجله Nature Biotechnology در مقاله‌ای به رهبری فلوریان هابر و میچال باسانی-استرنبرگ از مؤسسه تحقیقات سرطان لودویگ منتشر شده است.

NeoDisc بینش‌های منحصربه‌فردی در مورد ایمنی‌شناسی تومورها و مکانیسم‌هایی که از طریق آنها تومورها از هدف‌گیری توسط سلول‌های T سیتوتوکسیک سیستم ایمنی فرار می‌کنند، ارائه می‌دهد.

این بینش‌ها برای طراحی ایمنی‌درمانی‌های شخصی‌سازی شده بسیار ارزشمند هستند و قدرت تحلیلی و محاسباتی  NeoDisc در حال حاضر برای آزمایش‌های بالینی واکسن‌های شخصی‌سازی شده سرطان و درمان‌های سلولی تطبیقی استفاده می‌شود.

بسیاری از انواع سرطان دارای جهش‌های تصادفی متعددی هستند که باید آنها را برای سیستم ایمنی بدن قابل مشاهده‌تر کنند. این جهش‌ها پروتئین‌های ناهنجاری تولید می‌کنند که سلول‌ها، حتی سلول‌های سرطانی، برنامه‌ریزی شده‌اند تا آنها را به قطعات کوتاه که به عنوان پپتید شناخته می‌شوند، برش دهند و به عنوان آنتی‌ژن‌ها برای دعوت به حمله توسط سلول‌های T گشت‌زن ارائه کنند.  

تنوع زیاد این نئوآنتی‌ژن‌ها یکی از دلایلی است که بیماران به ایمنی‌درمانی‌ها به طور متغیری پاسخ می‌دهند. از سوی دیگر، نئوآنتی‌ژن‌ها می‌توانند برای توسعه واکسن‌ها و انواع دیگر ایمنی‌درمانی‌ها که به طور منحصربه‌فردی هر تومور بیمار را هدف قرار می‌دهند، استفاده شوند.

درمان‌های شخصی‌سازی شده از این نوع در حال حاضر توسط محققان در سراسر جهان در حال توسعه هستند.

چنین تلاش‌هایی از نظر فنی چالش‌برانگیز هستند، چرا که تمام نئوآنتی‌ژن‌ها توسط سلول‌های T یک بیمار خاص شناسایی نمی‌شوند و حتی بسیاری از آنهایی که شناسایی می‌شوند، نمی‌توانند حمله کافی و قوی سلول‌های T را تحریک کنند.

یکی از رویکردهای طراحی واکسن‌ها و درمان‌های سلولی شخصی‌سازی شده، شناسایی نئوآنتی‌ژن‌هایی است که به احتمال زیاد حمله قوی سلول‌های T را تحریک می‌کنند.

این کار نیاز به بررسی دقیق جهش‌هایی دارد که نئوآنتی‌ژن‌های جدید ایجاد می‌کنند. این نئوآنتی‌ژن‌ها توسط مولکول‌های HLA به سلول‌های T نشان داده می‌شوند و ویژگی‌هایی دارند که باعث می‌شود گیرنده‌های سلول T بتوانند آنها را شناسایی کنند. باسانی-استرنبرگ یکی از پیشگامان این حوزه است.

طراحی ایمنی‌درمانی‌های شخصی‌سازی شده همچنین با تحلیل ژنومی هر دو سلول تومور و سلول‌های خونی که نمایانگر ژنوم سالم بیمار هستند، تحلیل گسترده فعالیت ژن که به عنوان «ترانسکریپتومیکس» شناخته می‌شود، همچنین تحلیل حساس ایمون‌پپتیدوم با استفاده از طیف‌سنجی جرمی کمک می‌کند.

با وجود این، تاکنون این فناوری‌های قدرتمند هرگز در یک خط لوله محاسباتی واحد برای پیش‌بینی اینکه کدام نئوآنتی‌ژن‌های شناسایی شده در تومورهای یک بیمار باید به عنوان واکسن استفاده شوند یا به طور دیگری برای ایمنی‌درمانی‌های شخصی‌سازی شده به کار گرفته شوند، ادغام نشده بودند.

علاوه بر این، نئوآنتی‌ژن‌ها تنها نوع آنتی‌ژن‌های موجود برای هدف‌گیری ایمنی‌درمانی نیستند. سلول‌های سرطانی همچنین به اشتباه بخش‌هایی از DNA غیرکدکننده معمولی یعنی ژن‌هایی که اغلب فقط در طول رشد فعال می‌شوند، محصولات ژنی غیرعادی دیگر و آنتی‌ژن‌های ویروسی را به عنوان پروتئین فعال می‌کنند، که تمام اینها می‌توانند حمله ایمنی را تحریک کنند.

NeoDisc می‌تواند تمام این انواع مختلف آنتی‌ژن‌های خاص تومور را همراه با نئوآنتی‌ژن‌ها شناسایی کند و سپس از آن اطلاعات برای طراحی واکسن شخصی‌سازی شده سرطان برای بیمار مربوطه استفاده نماید.

روش محاسباتی NeoDisc همچنین آنتی‌ژن‌های بالقوه‌ای را که شناسایی می‌کند رتبه‌بندی کرده است و تصاویری از ناهمگونی سلول‌های سرطانی درون تومورها تولید می‌کند.

به طور قابل توجهی، NeoDisc می‌تواند نقص‌های احتمالی در ماشین‌آلات ارائه آنتی‌ژن را شناسایی کند و به طراحان واکسن و پزشکان یک مکانیسم کلیدی فرار ایمنی در تومورها که می‌تواند اثربخشی ایمنی‌درمانی را به خطر بیندازد، هشدار دهد.

این هشدار می‌تواند به آنها کمک کند تا بیمارانی را برای مطالعات بالینی انتخاب کنند که به احتمال زیاد از ایمنی‌درمانی شخصی‌سازی شده بهره‌مند می‌شوند؛ قابلیتی که برای بهینه‌سازی مراقبت از بیماران نیز بسیار مهم است.

همچنین محققان در مطالعه خود نشان می‌دهند که NeoDisc انتخاب دقیق‌تری از آنتی‌ژن‌های مؤثر سرطان برای واکسن‌ها و درمان‌های سلولی تطبیقی نسبت به سایر ابزارهای محاسباتی که در حال حاضر برای این منظور استفاده می‌شوند، ارائه می‌دهد.

برای افزایش دقت NeoDisc، محققان به تغذیه آن با داده‌های به‌دست‌آمده از انواع مختلف تومورها ادامه خواهند داد و الگوریتم‌های یادگیری ماشینی اضافی را به مجموعه نرم‌افزاری آن اضافه خواهند کرد تا آموزش آن را پیشرفت دهند و دقت پیش‌بینی آن را بهبود بخشند.