Personalizar el tratamiento del cáncer a través del aprendizaje automático
Crédito: CC0 Dominio público
Investigadores de la Cheriton School of Computer Science han aplicado el aprendizaje automático para identificar antígenos específicos de tumores, lo que podría ayudar a que las vacunas personalizadas contra el cáncer sean factibles en la práctica y más precisas.
En el cáncer, cuando se produce una mutación en el ADN de una célula, se produce una sustitución. Nuestro sistema inmunitario marca esta sustitución como un invasor y se la denomina neoantígeno, un péptido mutado que aparece en la superficie de las células cancerosas.
«Si podemos averiguar qué son los neoantígenos en el cáncer pueden usarse para desarrollar una vacuna contra el cáncer, una vacuna personalizada para el paciente con cáncer y que utiliza el propio sistema inmunitario del paciente para atacar el tumor», explica Hieu Tran, profesor adjunto de la Escuela de Informática de Cheriton.
«Cuando una célula se vuelve cancerosa, el cuerpo lo sabe», agrega Ming Li, profesor universitario en la Escuela de Ciencias de la Computación de Cheriton, quien también ocupa la Cátedra de Investigación de Canadá en Bioinformática. “Eso es porque el antígeno leucocitario humano o sistema HLA, que es responsable de la regulación del sistema inmunológico, puede mostrar si un péptido en la superficie de la célula es normal o mutado. Si el sistema HLA presenta un péptido normal, nuestro sistema inmunológico no lo ataca. Nuestro sistema inmunitario atacará solo las células con mutaciones, las que tienen neoantígenos, también conocidos como células tumorales cancerosas, en su superficie».
El truco, sin embargo, es encontrar estos neoantígenos específicos del tumor, esencialmente una aguja en un gran pajar. No es de extrañar que sea una tarea desconcertantemente difícil de realizar con métodos convencionales, pero es de vital importancia cuando se desarrolla una vacuna personalizada contra el cáncer.
Administrar medicamentos para el individuo
Los aminoácidos son los bloques de construcción de péptidos y, en última instancia, moléculas de proteínas. Sin ellos, no tendríamos un sistema inmunológico, no seríamos capaces de digerir alimentos, crecer o ser capaces de procrear. Por convención, los aminoácidos se etiquetan con un código de una letra. Por ejemplo, el aminoácido alanina se denomina A, la arginina se denomina R, la asparagina se denomina N, y así sucesivamente. La secuencia de aminoácidos de un péptido se puede considerar como una palabra compuesta por estas letras.
«Si está familiarizado con el procesamiento del lenguaje natural, es probable que haya visto a su teléfono móvil adivinar la siguiente palabra que podría haber escrito como escribes un mensaje. Escribes ‘cómo’ y sugiere ‘eres’ y si escribes ‘eres’ sugiere ‘tú'», dijo Hieu Tran.
«Aplicamos un modelo similar de aprendizaje automático para determinar la secuencia de aminoácidos de los neoantígenos en función de este código de aminoácidos de una letra. Si conozco su inmunopeptidoma, los miles de antígenos peptídicos cortos de ocho a 12 aminoácidos que se muestran en la superficie celular y sé que un neoantígeno es diferente de sus péptidos existentes por solo una mutación, puedo entrenar un modelo de aprendizaje automático utilizando sus péptidos normales para predecir los péptidos mutados. Utilizamos un modelo de aprendizaje automático de red neuronal recurrente que llamamos DeepNovo para predecir la secuencia de aminoácidos de los neoantígenos».
Para hacer esto, los investigadores descargaron el inmunopeptidoma d un conjunto de cinco pacientes con melanoma, un tipo de cáncer de piel, que luego usaron para entrenar, validar y probar su modelo de aprendizaje automático.
Aún más impresionante, el modelo de aprendizaje automático puede personalizar los resultados. , identifica neoantígenos específicos para cada paciente individual para brindar tratamiento y atención personalizados.
«La inmunoterapia contra el cáncer se está convirtiendo rápidamente en una cuarta modalidad de tratamiento contra el cáncer, junto con la cirugía, la quimioterapia y la radioterapia», agrega Ming Li. «Cada paciente es diferente y cada cáncer es diferente, por lo que el tratamiento del cáncer no debe ser el mismo para todos. El tratamiento debe adaptarse al paciente y eso es lo que nos permite hacer nuestro modelo personalizado de aprendizaje automático».
Explore más
Un paso hacia vacunas contra el cáncer personalizadas Proporcionado por la Universidad de Waterloo Cita: Personalización del tratamiento del cáncer a través del aprendizaje automático (2021, 30 de abril) consultado el 30 de agosto de 2022 en https:// medicalxpress.com/news/2021-04-personalizing-cancer-treatment-machine.html Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.