Пакет программ позволяет глубже понять иммунные реакции против рака

Пакет программ позволяет глубже понять иммунные реакции против рака

Пакет программ позволяет глубже понять иммунные реакции против рака

Исследователи из Института иммунотерапии рака Блумберга-Киммеля при онкологическом центре Джонса Хопкинса разработали DeepTCR, программный пакет, который использует алгоритмы глубокого обучения для анализа данных секвенирования Т-клеточных рецепторов (TCR). Рецепторы Т-клеток находятся на поверхности иммунных Т-клеток. Эти рецепторы связываются с определенными антигенами или белками, обнаруженными на аномальных клетках, таких как раковые клетки и клетки, инфицированные вирусами или бактериями, и направляют Т-клетки для атаки и уничтожения пораженных клеток.

«DeepTCR - это программное обеспечение с открытым исходным кодом, которое можно использовать для ответов на вопросы в области исследований инфекционных заболеваний, иммунологии рака и аутоиммунных заболеваний; в любой области, где иммунная система срабатывает через Т-клеточные рецепторы», - сказал ведущий автор исследования Джон-Уильям Сидхом, доктор медицинских наук студент Медицинской школы Университета Джона Хопкинса и факультета биомедицинской инженерии, работающий в Институте иммунотерапии рака.

Исследование было опубликовано 11 марта в Nature Communications.

На разработку этого программного обеспечения Сидхом вдохновился в 2017 году после посещения презентации об использовании глубокого обучения в медицинских науках на встрече Американской ассоциации исследований рака. «Я проводил исследования по секвенированию Т-клеточных рецепторов, и меня поразило, что это была правильная технология для наилучшего анализа данных секвенирования Т-клеток», - говорит он.

Глубокое обучение - это форма искусственного интеллекта, которая довольно точно имитирует работу человеческого мозга с точки зрения распознавания образов. «Глубокое обучение - это очень гибкий и мощный способ распознавания образов любого типа данных. В этой работе мы используем глубокое обучение для выявления закономерностей в данных секвенирования рецепторов Т-клеток», - говорит Сидхом, добавляя, что его ПО исследует рецепторы Т-клеток способом, аналогичным поиску в Интернете. "Когда кто-то ищет в Интернете изображения кошек или собак, поисковая машина не включает поиск изображений с подписью, которая помечала бы изображение как кошку или собаку, а скорее применяет алгоритм, который исследует особенности изображений и распознает шаблоны, которые идентифицируют изображения как кошку или собаку. Это и есть глубокое обучение".

DeepTCR - это комплексная структура глубокого обучения, которая включает в себя как неконтролируемые, так и контролируемые модели глубокого обучения, которые можно применять на уровнях последовательностей и выборок. Сидхом говорит, что неконтролируемые подходы позволяют исследователям анализировать свои данные в исследовательской манере, где может не быть известных иммунных воздействий, а контролируемые подходы позволят исследователям использовать известные воздействия для улучшения изучения моделей. В результате, по его словам, DeepTCR позволит исследователям изучить функцию иммунного ответа Т-клеток в фундаментальных и клинических науках путем выявления паттернов в рецепторах, которые обеспечивают функцию Т-лимфоцитов по распознаванию и уничтожению патологических клеток.

Одна из основных проблем анализа данных секвенирования TCR - отличить значимые данные секвенирования от несущественных данных, и DeepTCR помогает выполнить этот анализ. «В чьем-то иммунном репертуаре много последовательностей. Есть много патогенов, которыми можно заразиться, поэтому иммунный ответ очень широкий. В результате в иммунном ответе возникает масса шума, и в определенное время для определенной инфекции важны только его части», - объясняет Сидхом. «У меня может быть Т-клеточная реакция на тысячу различных вирусов, но когда я заражаюсь гриппом, для борьбы с ним мне нужно использовать только небольшую часть этих Т-клеток. Главное, что может сделать алгоритм, - это выделить и сопоставить правильные Т-клетки для конкретных ответов".

Программный пакет, который использует тип архитектуры глубокого обучения, называемый сверточной нейронной сетью, предоставляет пользователям возможность находить шаблоны секвенирования Т-клеток, которые имеют отношение к конкретному воздействию, например, инфекции гриппа, рака или аутоиммунного заболевания.

«При представлении большого количества данных наши алгоритмы могут изучить закономерности в этих шаблонах последовательностей TCR. Например, мы можем не знать правил реакции организма на грипп, но при наличии достаточного количества данных наше программное обеспечение может изучить эти правила, а затем научить нас тому, что они из себя представляют, - говорит Сидхом. «Он очень хорошо подходит для выявления сложных паттернов в очень, очень большом иммунном репертуаре при идентификации взаимодействий между рецептором Т-клеток и его антигеном».

Оценить статью
(0)