人工智能輔助CAR設(shè)計方法增強雙特異性CAR-T細胞助力清除腫瘤

文章來源公眾號：人工智能與生物科技        作者：生物通小通

嵌合抗原受體 (CAR) T 細胞免疫療法可重新編程患者的免疫細胞，使其靶向癌癥特異性細胞表面蛋白。CAR T 細胞已被證明對血癌有效，但在實體瘤和腦瘤中效果不佳，因為癌細胞并非一致表達相同的細胞表面蛋白，這使得癌細胞能夠逃避治療并重新生長腫瘤。

圣猶達兒童研究醫(yī)院的科學(xué)家開發(fā)了一種計算方法，有望使設(shè)計基于 T 細胞的免疫療法變得更容易、更快捷，該療法可同時靶向兩種癌癥相關(guān)抗原。嵌合抗原受體 (CAR) T 細胞是一種免疫療法，它重新編程患者的免疫細胞，使其靶向腫瘤特異性蛋白質(zhì)抗原。僅靶向一種細胞表面抗原通常不足以根除腫瘤。因此，科學(xué)家們嘗試創(chuàng)建可同時靶向兩種蛋白質(zhì)的 CAR。然而，他們遇到了一些問題，包括 CAR 在 T 細胞表面表達不佳以及殺癌能力欠佳。為了解決這個問題，圣猶達的研究人員開發(fā)了一種計算方法來篩選許多理論上的串聯(lián) CAR 設(shè)計，并選出最佳候選方案以供進一步優(yōu)化和驗證。研究人員通過實驗生成并驗證了針對所選靶點的頂級串聯(lián)CAR候選物，證明經(jīng)過計算優(yōu)化的CAR克服了先前的挑戰(zhàn)，并在治療癌癥動物模型中發(fā)揮了更好的作用。該研究結(jié)果今日發(fā)表在《分子治療》雜志上。  

“我們已經(jīng)開發(fā)并驗證了一種計算工具，可以顯著加速串聯(lián) CAR 構(gòu)建體的設(shè)計，改善表面表達和抗腫瘤功能，”共同通訊作者、圣猶達骨髓移植和細胞治療部Giedre Krenciute博士說。   

雖然CAR-T細胞已成功治療部分血癌，但在治療實體瘤和腦瘤方面效果不佳。原因之一是癌細胞并非一致表達相同的蛋白質(zhì)，因此針對單一抗原的CAR-T細胞可能會錯過不表達該蛋白質(zhì)的惡性細胞，導(dǎo)致這些細胞再次生長出腫瘤，并引發(fā)難以治療的復(fù)發(fā)。一種針對兩種癌癥相關(guān)蛋白質(zhì)的串聯(lián)雙特異性CAR-T細胞或許可以阻止原發(fā)腫瘤逃避治療，盡管優(yōu)化其設(shè)計一直是該領(lǐng)域一項耗時、耗力且成本高昂的挑戰(zhàn)。  

“通過系統(tǒng)性實驗分析，我們能夠首先精確定位串聯(lián)CAR中存在表達和功能問題的區(qū)域，”共同通訊作者、圣猶達數(shù)據(jù)科學(xué)高級副總裁、首席數(shù)據(jù)科學(xué)家M. Madan Babu博士說道。“這一點至關(guān)重要，它幫助我們開發(fā)了一種CAR計算方法，該方法比我們測試的任何單靶CAR都能更有效地清除體內(nèi)模型中的腫瘤。” 

利用計算優(yōu)化的串聯(lián)CAR清除腫瘤  
計算流程預(yù)測了一種更優(yōu)的串聯(lián)CAR設(shè)計，該設(shè)計靶向兒童腦腫瘤相關(guān)蛋白B7-H3和IL-13Rα2。原始未優(yōu)化的雙特異性串聯(lián)CAR版本未能到達T細胞表面，從而無法與腫瘤細胞上的靶蛋白接觸并發(fā)揮其殺傷腫瘤的功能。在確認計算優(yōu)化的CAR在T細胞表面表達后，研究人員在腫瘤小鼠中對其進行了針對幾種單靶CAR的測試，這些小鼠的腫瘤細胞混合了兩種靶點、一種靶點或另一種靶點，或者兩種靶點均不結(jié)合，模擬了臨床觀察到的異質(zhì)性腫瘤。  

 “我們最令人信服的結(jié)果是，在接受具有計算優(yōu)化的串聯(lián)構(gòu)建體的CAR-T細胞治療的五只小鼠中，有四只的腫瘤被完全清除，”共同第一作者、圣猶達兒童研究醫(yī)院骨髓移植與細胞治療科的Michaela Meehl說道。“相比之下，所有接受單靶CAR-T細胞治療的異質(zhì)性腫瘤都復(fù)發(fā)了。”  

此外，該團隊還展示了他們可以改進實驗室中其他幾種串聯(lián)CAR的設(shè)計。在所有情況下，經(jīng)過計算優(yōu)化的版本都比未優(yōu)化的串聯(lián)CAR更能殺死癌細胞。這些結(jié)果證明，其他雙特異性串聯(lián)CAR的設(shè)計可以受益于這種計算方法，從而改進和加速CAR的開發(fā)工作。  

為CAR構(gòu)建創(chuàng)建一個通用的計算工具  
“我們設(shè)計的這個計算工具廣泛適用于許多不同的car，”圣猶達骨髓移植和細胞治療部門的共同第一作者Kalyan Immadisetty說。“此外，它可以在幾天內(nèi)篩選大約1000個結(jié)構(gòu)，大大加快了一個過程，如果研究人員在實驗室中創(chuàng)建每個結(jié)構(gòu)，則需要多年的時間。”

具體來說，為了篩選如此多的結(jié)構(gòu)，科學(xué)家們根據(jù)已知有效car的結(jié)構(gòu)和生物物理特征訓(xùn)練了一種人工智能算法。這些包括預(yù)測的性質(zhì)，如蛋白質(zhì)折疊穩(wěn)定性，聚集傾向，以及其他結(jié)構(gòu)和功能特征。總之，該程序?qū)⑦@些特征總結(jié)成一個單一的“健康”分?jǐn)?shù)，預(yù)測CAR的表達和功能。進一步優(yōu)化適合度得分最高的CAR設(shè)計，以提高蛋白質(zhì)結(jié)合能力。

Krenciute說：“研究人員可以使用我們的方法來幫助篩選和創(chuàng)造更好的串聯(lián)car，使我們更接近成功治療具有挑戰(zhàn)性的腫瘤，如兒童腦癌的那一天。”

Babu說：“這項工作證明了創(chuàng)造一個智力生態(tài)系統(tǒng)的價值，它將來自不同學(xué)科的計算和實驗科學(xué)家聚集在一起。”“這種合作推動了針對重大挑戰(zhàn)的創(chuàng)新解決方案，并推進了為圣猶達使命服務(wù)的轉(zhuǎn)化應(yīng)用。”