Amplía la comprensión de las respuestas inmunitarias en el cáncer y otras enfermedades – ScienceDaily

0


Investigadores del Instituto Bloomberg ~ Kimmel de Inmunoterapia contra el Cáncer del Centro Oncológico Kimmel de Johns Hopkins han desarrollado DeepTCR, un paquete de software que emplea algoritmos de aprendizaje profundo para analizar los datos de secuenciación del receptor de células T (TCR). Los receptores de células T se encuentran en la superficie de las células T inmunes. Estos receptores se unen a ciertos antígenos o proteínas que se encuentran en las células anormales, como las células cancerosas y las células infectadas con virus o bacterias, para guiar a las células T para que ataquen y destruyan las células afectadas.

«DeepTCR es un software de código abierto que se puede utilizar para responder preguntas en la investigación sobre enfermedades infecciosas, inmunología del cáncer y enfermedades autoinmunes; cualquier lugar donde el sistema inmunológico desempeñe un papel a través de sus receptores de células T», dijo el autor principal del estudio L, John-William Sidhom. , estudiante de MD / Ph.D. de la Facultad de Medicina de la Universidad Johns Hopkins y del Departamento de Ingeniería Biomédica que trabaja en el Instituto Bloomberg ~ Kimmel de Inmunoterapia contra el Cáncer.

La investigación fue publicada el 11 de marzo en Comunicaciones de la naturaleza.

Sidhom se inspiró para desarrollar el software después de asistir a una presentación sobre el uso del aprendizaje profundo para las ciencias médicas en la reunión de 2017 de la Asociación Estadounidense para la Investigación del Cáncer. «Estaba investigando la secuenciación del receptor de células T y me di cuenta de que esta era la tecnología adecuada para analizar mejor los datos de secuenciación de células T», dice.

El aprendizaje profundo es una forma de inteligencia artificial que imita aproximadamente el funcionamiento del cerebro humano en términos de reconocimiento de patrones. «El aprendizaje profundo es una forma muy flexible y poderosa de realizar el reconocimiento de patrones en cualquier tipo de datos. En este documento, usamos el aprendizaje profundo para identificar patrones en los datos de secuenciación del receptor de células T», dice Sidhom, y agrega que la forma en que el software escanea T -receptores de células es análogo a una búsqueda en Internet. «Cuando alguien busca en Internet una imagen de perros o gatos, la consulta no implica buscar imágenes con una leyenda que etiquete la imagen como un gato o un perro, sino que aplica un algoritmo que explora las características de las imágenes y reconoce patrones. que identifican imágenes como un gato o un perro. Esto es aprendizaje profundo «.

DeepTCR es un marco integral de aprendizaje profundo que incluye modelos de aprendizaje profundo supervisados ​​y no supervisados ​​que se pueden aplicar a nivel de secuencia y muestra. Sidhom dice que los enfoques no supervisados ​​permiten a los investigadores analizar sus datos de forma exploratoria, donde es posible que no haya exposiciones inmunes conocidas, y los enfoques supervisados ​​permitirán a los investigadores aprovechar las exposiciones conocidas para mejorar el aprendizaje del modelo. Como resultado, dice, DeepTCR permitirá a los investigadores estudiar la función de la respuesta inmune de las células T en las ciencias básicas y clínicas mediante la identificación de patrones en los receptores que confieren la función de las células T para reconocer y matar las células patológicas.

Uno de los principales desafíos del análisis de datos de secuenciación de TCR es distinguir los datos de secuenciación significativos de los datos irrelevantes, y DeepTCR ayuda a realizar este análisis. «Hay muchas secuencias en el repertorio inmune de alguien. Hay muchos patógenos con los que alguien puede infectarse, por lo que la respuesta inmune es muy amplia. Como resultado, hay un mar de ruido en la respuesta inmune, y solo partes de son importantes en un momento determinado para una determinada infección «, explica Sidhom. «Es posible que tenga la respuesta de las células T a miles de virus diferentes, pero cuando la gripe me golpea, solo necesito usar un pequeño subconjunto de esas células T para combatir la gripe. Lo principal que puede hacer el algoritmo es aislar y hacer coincidir las células T derechas a respuestas específicas «.

El paquete de software, que utiliza un tipo de arquitectura de aprendizaje profundo llamado red neuronal convolucional, brinda a los usuarios la capacidad de encontrar patrones de secuenciación de células T relevantes para una exposición específica, como una infección por influenza, cáncer o enfermedad autoinmune.

«Cuando se presentan muchos datos, nuestros algoritmos pueden aprender las reglas de estos patrones de secuencia de TCR. Por ejemplo, es posible que no conozcamos las reglas de cómo el cuerpo responde a la influencia, pero con suficientes datos, nuestro software puede aprender esas reglas. y luego enséñanos lo que son ”, dice Sidhom. «Es muy adecuado para identificar patrones complejos en un repertorio inmunológico muy, muy grande para identificar los socios que interactúan entre un receptor de células T y su antígeno».

Fuente de la historia:

Materiales proporcionados por Medicina de Johns Hopkins. Nota: El contenido se puede cambiar según el estilo y la longitud.

También podría gustarte
Deja una respuesta

Su dirección de correo electrónico no será publicada.

This website uses cookies to improve your experience. We'll assume you're ok with this, but you can opt-out if you wish. Accept Read More