“免疫图谱”表明，当涉及到免疫细胞受体和患者对免疫治疗的反应时，越多越好

约翰·霍普金斯大学的科学家们使用一种形式的人工智能来绘制一幅比较细胞受体类型的地图，细胞受体是免疫系统t细胞表面的化学“天线”。他们用实验室培养的小鼠和人类t细胞进行的实验表明，患有癌症的人拥有更多种类的这种受体，可能对免疫治疗药物和疫苗有更好的反应。

一份关于科学家如何创建和测试他们所谓的“免疫地图”的报告出现在12月20日癌症免疫学研究．

约翰斯·霍普金斯大学医学院病理学、医学和肿瘤学教授、约翰斯·霍普金斯大学基梅尔癌症中心成员乔纳森·施奈克博士说:“免疫地图为科学家提供了免疫系统对细胞抗原反应的广泛多样性的图片。”

t细胞上的受体可以识别抗原，或者其他触发免疫反应的细胞片段，尤其是抗体。如果抗原是外来的，t细胞会在免疫系统内发出警报，它会发出“所有点公告”，以寻找不熟悉的抗原。

因为像癌症这样的疾病往往会逃避t细胞的检测受体长期以来，科学家们一直在寻找这一过程的“情报”，以开发针对恶性细胞而不影响健康细胞的治疗方法。

约翰霍普金斯大学生物医学工程医学博士/博士说:“今天的大部分免疫疗法都建立在我们知道这些抗原的前提下。”学生John-William Sidhom。“但实际上，我们对它们以及识别它们的t细胞的了解还不够多。”

为了满足这一需求，Sidhom使用高性能计算技术创建了一个数学模型(本质上是一个数字地图)，其中包含了暴露于实验室病毒中的人类t细胞受体的基因组序列数据。Sidhom说:“我们的目标是将相似且可能针对相同抗原的t细胞受体聚集在一起。”

使用无监督学习算法，该团队能够将t细胞受体测序数据转换为基于受体序列相似性的数值距离，并根据功能特异性对其进行聚类。例如，如果两个受体序列相似，计算机就会在两个序列之间分配一个短距离秩。如果序列不同，他们得到的距离排名就更长。

一旦成千上万的序列被转换成这些“距离”度量，计算机系统的人工智能算法在受体中寻找模式。

Schneck说:“这就是我们得到ImmunoMap的方法，通过描述彼此相关的受体序列。”“非常相似的t细胞受体，其序列略有不同，可能识别相同的抗原。”

约翰霍普金斯大学的研究小组测试了免疫地图将免疫反应与来自34名癌症患者肿瘤t细胞的受体测序数据相关联的能力，这些患者参加了一项免疫治疗药物nivolumab的全国临床试验。

在34名患者中，3名黑色素瘤患者对尼volumab有反应，其余患者无反应。在应答者中，科学家们发现了更多的t细胞受体簇——平均有15种不同的t细胞受体簇，而在无应答者中只有8到9种。

科学家们还发现，在nivolumab治疗四周后，应答者的t细胞受体多样性下降了10- 15%。

施奈克说:“这些患者在接受治疗前有大量的受体武器，这可能会让正确的受体杀死他们的癌细胞。”“一旦他们的免疫系统找到了正确的受体，表达这些受体的t细胞就会繁殖，导致t细胞受体的结构多样性全面减少。”

Schneck说，一些科学家强调，免疫治疗的反应在很大程度上取决于t细胞是否浸润肿瘤部位，但他的研究表明，“浸润很重要，但不足以解释患者对免疫治疗药物的不同反应。”

该团队还在患有和没有肿瘤的小鼠中创建了肿瘤抗原特异性t细胞受体多样性的免疫地图。他们的分析表明，与距离肿瘤较远的t细胞样本相比，距离肿瘤较近的t细胞样本中t细胞受体的多样性有所下降。这些数据可以帮助科学家确定肿瘤是如何逃避免疫系统的检测的。

Schneck说，研究小组还需要积累更多的免疫地图数据，以可靠地预测哪些患者可能对免疫治疗有反应，哪些患者可能没有反应。“在这一点上，免疫地图无法将t细胞受体与特定的抗原相匹配，也无法确定这些抗原是否适合t细胞抗原对任何个体患者的免疫治疗反应都很重要，”他指出。

但是他说，希望免疫地图有一天可以帮助设计用于癌症治疗的疫苗和工程t细胞。