软件包使更深入地了解癌症免疫反应

Johns Hopkins Kimmel癌症中心Bloomberg~Kimmel癌症免疫治疗研究所的研究人员开发了DeepTCR，这是一种采用深度学习算法分析t细胞受体(TCR)测序数据的软件包。T细胞受体存在于免疫T细胞表面。这些受体与异常细胞(如癌细胞和受病毒或细菌感染的细胞)上的某些抗原或蛋白质结合，引导T细胞攻击并摧毁受影响的细胞。

“DeepTCR是一个开源软件可以用来回答传染病、癌症免疫学和自身免疫疾病研究中的问题;任何地方免疫系统它通过t细胞受体发挥作用，”该研究的主要作者、医学博士约翰·威廉·西霍姆说。他是约翰霍普金斯大学医学院和生物医学工程系的一名学生，在彭博-坎摩尔癌症免疫治疗研究所工作。

这项研究发表于3月11日自然通讯．

西德霍姆在参加了一场关于使用的演示后，受到了开发该软件的启发深度学习在2017年的美国癌症研究协会会议上，他说:“我当时正在做t细胞受体测序的研究，我突然想到，这是更好地分析t细胞测序数据的正确技术。”

深度学习是人工智能的一种形式，在模式识别方面大致模仿人脑的工作方式。“深度学习是一种非常灵活和强大的方式，可以对任何类型的数据进行模式识别。在这篇论文中，我们使用深度学习来识别t细胞受体的测序数据模式，”Sidhom说，并补充说，软件探索t细胞受体的方式类似于互联网搜索。“当有人在互联网上搜索猫或狗的图片时，查询并不涉及寻找带有标记为猫或狗的标题的图片，而是应用一种算法来探索图像的特征，并识别出识别图像为猫或狗的模式。这就是深度学习。”

DeepTCR是一个全面的深度学习框架，包括可应用于序列和样本级别的无监督和有监督深度学习模型。Sidhom说，无监督的方法允许研究人员以探索性的方式分析他们的数据，在那里可能没有已知的免疫暴露，而有监督的方法将允许研究人员利用已知的暴露来提高模型的学习。因此，他说，DeepTCR将使研究人员能够研究t细胞的功能免疫反应在基础和临床科学中通过识别模式受体赋予T细胞识别和杀死病理细胞的功能。

分析TCR测序数据的主要挑战之一是区分有意义的测序数据和无关紧要的数据，而DeepTCR有助于执行这一分析。“在一个人的免疫系统中有很多序列。人们可以被很多病原体感染，所以免疫反应非常广泛。因此，在免疫反应中有大量的噪声，在特定的时间内，只有部分噪声对特定的感染是重要的，”Sidhom解释说。“我的T细胞可能对一千种不同的病毒有反应，但当流感侵袭我时，我只需要利用这些T细胞中的一小部分来对抗流感。该算法能做的主要事情是分离出正确的T细胞，并将其与特定的反应相匹配。”

的软件包它采用一种名为卷积神经网络的深度学习架构，为用户提供与特定暴露相关的t细胞测序模式的能力，比如流感感染、癌症或自身免疫疾病。

“当面对大量数据时，我们的算法可以学习这些TCR序列模式的规则。例如，我们可能不知道身体如何应对流感的规则，但有了足够的数据，我们的软件可以了解这些规则，然后告诉我们它们是什么，”Sidhom说。“它非常适合在一个非常非常大的免疫系统中识别复杂的模式，从而识别t细胞受体和抗原之间的相互作用伙伴。”

---

---