南加州大学诺里斯综合癌症中心的一组研究人员建立了一个机器学习系统，以识别可以将大脑癌症细胞转化为功能免疫细胞的基因，并在小鼠模型中成功测试了该方法。
在一项关于胶质母细胞瘤的创新性新研究中，科学家使用人工智能（AI）对癌症细胞进行重新编程，将其转化为树突细胞（DC），树突细胞可以识别癌症细胞并指导其他免疫细胞杀死它们。胶质母细胞瘤是癌症最常见的脑癌，也是最致命的，只有不到10%的患者在确诊后存活五年。虽然免疫疗法等新方法彻底改变了其他癌症的治疗方法，但它们对胶质母细胞瘤患者几乎没有什么作用。这在一定程度上是因为这些难以触及的脑肿瘤隐藏在血脑屏障后面，免疫细胞很难到达并消除它们。但一项由美国国立卫生研究院部分支持、南加州大学凯克医学院领导的新研究利用人工智能来探索哪些基因控制细胞的命运——例如，细胞发育成心脏细胞、肺细胞还是癌症细胞。研究人员确定了可以重新编程胶质母细胞瘤细胞的基因，将其转化为肿瘤内的免疫细胞，从而有效地靶向其亲属癌症细胞进行破坏。
在胶质母细胞瘤的小鼠模型中，该方法将存活率提高了75%。研究结果刚刚发表在美国癌症研究协会的《癌症免疫学研究》杂志上。“这项突破性的研究利用人工智能的力量将胶质母细胞瘤细胞转化为免疫激活细胞，标志着癌症免疫疗法的重大进步，”该研究的主要作者David Tran，医学博士，博士说，他是Keck医学院神经外科和神经学副教授兼神经遗传学系主任。“通过使癌症自身的细胞对抗它，我们为更有效的治疗铺平了道路，并为与这种癌症和许多其他侵袭性癌症作斗争的患者带来了新的希望。”
除了在动物模型中的工作外，研究人员还使用人工智能鉴定了一组可以将人类胶质母细胞瘤细胞转化为免疫细胞的基因。未来，科学家们可以通过将这种遗传物质嵌入无害的病毒（一种被称为病毒载体的工具）中，将其传递给胶质母细胞瘤患者。Tran说：“强迫一个拥有20000个基因的细胞变成其他细胞是非常复杂的。使用传统的分子方法，这几乎是不可能的。”Tran也是南加州大学诺里斯综合癌症中心南加州大学脑肿瘤中心的联合主任。“人工智能正在帮助我们回答一些关键问题，并为我们提供了一种强大的方法来学习如何操纵细胞的命运。”
控制细胞的命运
DC在激活免疫反应中发挥着核心作用：它们对抗原（如癌症细胞）进行采样，并将其呈现给其他免疫细胞，包括T细胞大军，有效地引发全面攻击。
有证据表明，树突状细胞可以对抗胶质母细胞瘤，但科学家们还没有找到一种可靠的方法让它们穿过血脑屏障，进入肿瘤的恶劣环境。通过对已经位于肿瘤内的癌症细胞进行重新编程，Tran和他的团队绕过了这一重大挑战。
在操纵细胞命运时，一个重要的考虑因素是特异性。例如，将健康的脑细胞转化为DC可以缩小脑瘤，但会导致健康问题。Tran说：“我们不想给病人一些可以将各种细胞转化为树突状细胞的东西。”他和他的团队开发的机器学习系统能够查询数万个基因和数百万个基因间的连接，并识别出那些可以特异性靶向胶质母细胞瘤细胞的基因，并将其重新编程为类似DC的基因。这种人工智能驱动的方法与之前的研究不同，之前的研究使用所谓的经验方法来手动识别控制细胞命运的基因。“人工智能的高计算能力确实帮助我们加速了发现过程，”Tran说。与其他免疫疗法一起使用，重编程胶质母细胞瘤细胞显著增强了胶质母细胞癌小鼠模型的免疫反应和存活率。当与免疫检查点疗法结合使用时，新方法将生存率提高了75%。当与经典的DC疫苗结合使用时，新方法使存活率提高了一倍。（单独使用时，无论是免疫检查点疗法还是DC疫苗都不会增加胶质母细胞瘤患者的生存机会。）
迈向临床试验
除了在小鼠身上进行概念验证研究外，研究人员还利用他们的人工智能系统鉴定了一组人类基因，这些基因可以将人类胶质母细胞瘤细胞转化为类似DC的细胞。接下来，他们计划对该列表进行微调，将遗传物质包装到病毒载体中，并在动物模型中开始第一轮安全性和有效性测试。Tran说：“我们希望扩大搜索范围，在我们进行患者测试的过程中，使用人工智能帮助我们找到最佳的组合。”
如果这种方法被认为是安全有效的——这意味着它改善了胶质母细胞瘤模型的结果，并且不会引起意想不到的副作用——Tran和他的团队将在几年内申请批准开始在患者身上进行临床试验。接下来，他们还希望利用他们的人工智能模型来寻找能够重新编程其他类型癌症细胞表现为DC的基因。
关于这项研究
除了Tran，该研究的其他作者还有来自南加州大学凯克医学院神经外科和神经内科神经肿瘤科以及南加州大学脑瘤中心的Tianyi Liu、Son B.Le和Dongjiang Chen；来自佛罗里达州盖恩斯维尔佛罗里达大学医学院的Dan Jin、Mathew Sebastian、Alberto Riva和Ruixuan Liu。这项工作得到了美国国立卫生研究院癌症研究所[R42CA22875、R01CA238387、P30CA014089和F30CA232641]和佛罗里达州卫生部Bankhead Coley研究计划[6BC04]的支持。
披露：根据本手稿中的数据，Tran和Le是两项专利申请[62/952725和62/586655]的发明人。
