A medida que las células tumorales se multiplican, a menudo generan decenas de miles de mutaciones genéticas. Descubrir cuáles son las más prometedoras para atacar con inmunoterapia es como encontrar algunas agujas en un pajar. Ahora un nuevo modelo desarrollado por investigadores en el Cáncer AbramsonEl Centro de la Universidad de Pensilvania selecciona a mano esas agujas para que puedan aprovecharse en vacunas contra el cáncer más eficaces y personalizadas. Sistemas celulares publicó los datos sobre el desarrollo del modelo hoy, y el algoritmo ya está disponible en línea como una tecnología de código abierto para servir como recurso.
"Hay mutaciones en los tumores que pueden conducir a respuestas inmunes poderosas, pero por cada mutación que genera una respuesta robusta, aproximadamente 50 mutaciones no funcionan en absoluto, lo que significa que la relación señal-ruido no es excelente,"dijo el autor principal del estudio, Lee P. Richman, candidato a doctor / doctorado en Biología del Cáncer en la Facultad de Medicina Perelman de la Universidad de Pennsylvania". Nuestro modelo funciona como un filtro que resalta la señal y nos muestra en qué objetivos enfocarnos."
Actualmente, secuenciar un tumor e identificar posibles inmunoterapias se basa en una medición llamada carga de mutaciones tumorales TMB, esencialmente una medida de la tasa de mutaciones presentes en un tumor dado. Los tumores con una alta tasa de mutación tienen más probabilidades de respondera la inmunoterapia dirigida a inhibidores como PD-1. El problema es que a medida que las células cancerosas se dividen, mutan al azar, y dado que se dividen exponencialmente, las mutaciones potenciales son casi infinitas, lo que significa que si bien una inmunoterapia dada puede atacar a un porcentaje de células cancerosas, puede no ser suficiente para ser un tratamiento efectivo para un paciente determinado.
El modelo del equipo de Penn analiza en su lugar las secuencias de proteínas de muestras de pacientes individuales y evalúa cuánto se parece a las células sanas y cuánto se ve lo suficientemente diferente como para que el sistema inmunitario pueda reaccionar ante él. Cuanto más diferente sea, mejorEl objetivo de inmunoterapia es porque es más probable que atraiga y active terapias con menos daño colateral a las células sanas. La predicción del modelo también se personaliza para la muestra de cada paciente. El equipo analizó muestras de 318 pacientes de cinco conjuntos de datos de ensayos clínicos diferentes y no solo confirmóla asociación entre la disimilitud y la promesa como un objetivo de inmunoterapia, pero también encontró que la disimilitud se correlacionó con una mayor supervivencia general después de la terapia con PD-1 en pacientes con cáncer de pulmón de células no pequeñas.
"Con tantas posibilidades diferentes de mutaciones, esencialmente redujimos la cuestión de qué objetivos usar hasta un problema matemático, luego desarrollamos un algoritmo para resolverlo", dijo Andrew J. Rech, MD, PhD, residente en Patologíay Laboratorio de Medicina y el coautor principal del estudio junto con Robert H. Vonderheide, MD, DPhil, director del Centro de Cáncer Abramson. "También sabíamos que era importante poner este modelo a disposición de otros investigadores para ayudar a informar el desarrollo de vacunas y clínicajuicios "
Los investigadores dicen que además de su uso en ensayos, el trabajo futuro también incluirá la aplicación de la herramienta a más conjuntos de datos para refinar el algoritmo.
Este estudio fue apoyado por los Institutos Nacionales de Salud R01 CA229803, P30 CA016520 y el Instituto Parker de Inmunoterapia del Cáncer.
Más información: http://neoantigens.rech.io.s3-website-us-east-1.amazonaws.com/index.html
Fuente de la historia :
Materiales proporcionado por Facultad de medicina de la Universidad de Pensilvania . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :