从scRNA-seq数据预测瘤反应性T细胞受体,用于个性化T细胞治疗
C L Tan1,2,3,4, K Lindner1,2,3,5, T Boschert1,2,3,4,6
1CCU Neuroimmunology and Brain Tumor Immunology, German Cancer Research Center, Heidelberg, Germany.
Nature biotechnology
|March 7, 2024
概括
识别针对个性化癌症治疗的瘤反应性T细胞受体 (TCR) 是一个挑战. 一个新的机器学习工具,预测TCR,迅速识别来自不同癌症的瘤反应性T细胞,加速治疗开发.
科学领域:
- 免疫学 免疫学 免疫学
- 计算生物学 计算生物学
- 在瘤学瘤学.
背景情况:
- 个性化的T细胞疗法依赖于识别患者衍生的,瘤反应型T细胞受体 (TCRs).
- 目前用于TCR识别的方法耗时且昂贵,通常涉及新抗原的预测和验证.
- 这些现有方法在不同癌症类型的有效性和广泛适用性方面存在局限性.
研究的目的:
- 开发一种更快,更准确的方法来识别瘤反应型TCRs.
- 为了使瘤反应性T细胞的抗原不可知识别.
- 为了加快个性化的T细胞疗法的发展.
主要方法:
- 结合高通量TCR克隆和反应性验证.
- 训练了一种机器学习分类器,预测TCR,使用单T细胞RNA测序数据.
- 评估预测TCR在透到各种人类癌症的T细胞上的表现.
主要成果:
- 预测TCR以抗原不可知的方式准确地识别瘤反应性T细胞.
- 与以前的方法相比,在特异性和灵敏度 (几何平均值从0.38到0.74) 中取得了显著的改进.
- 在各种癌症类型中表现出卓越的性能.
结论:
- 预测TCR提供了一种快速,抗原不可知的方法来识别瘤反应性T细胞.
- 这种方法可以显著加快TCR克隆类型的优先级,以制造个性化的T细胞疗法.
- 能够更快地开发有效的癌症免疫疗法.
