Investigadores de Johns Hopkins desarrollaron un nuevo modelo de aprendizaje profundo que podría ayudar a la terapia personalizada contra el cáncer.
Ingenieros e investigadores de cáncer de Johns Hopkins han desarrollado un nuevo método de aprendizaje profundo capaz de predecir con precisión fragmentos de proteínas relacionadas con el cáncer y que podrían desencadenar una respuesta al sistema inmunitario. A pesar de que aún falta su validación en ensayos clínicos, esta tecnología sería de gran utilidad para los científicos para el desarrollo de vacunas e inmunoterapias personalizadas.
El avance fue presentado a través de un estudio en la revista Nature Machine Intelligence, donde se detalla que el método de aprendizaje profundo denominado BigMHC, es capaz de identificar fragmentos de proteínas en células cancerosas que provocan una respuesta inmunitaria que destruye las células tumorales. Este hallazgo será crítico para componer la respuesta a la inmunoterapia y promover el desarrollo de terapías personalizadas contra el cáncer.
La inmunoterapia contra el cáncer tiene como objetivo activar el sistema inmunológico de los pacientes y destruir las células que provocan el cáncer. “Un paso crítico en el proceso es el reconocimiento de las células cancerosas por parte del sistema inmunitario a través de la unión de las células T a fragmentos de proteínas específicas del cáncer en la superficie celular”, explicó la Dra. Rachel Karchin, profesora de ingeniería biomédica en Johns Hopkins.
Los autores explican que los fragmentos de la proteína cancerígena que provoca la respuesta inmunitaria pueden originarse a partir de cambios en la composición genética de estas células. El tumor de cada paciente es distinto y tiene un conjunto único de detalles que determinan que tan complejo es el tumor y su composición, como la presentación de antígenos. A través de BigMHC, los investigadores y científicos serían capaces de identificar componentes asociados a las mutaciones en el tumor de cada paciente, así como determinar las probabilidades de desencadenar la respuesta inmunitaria deseada.
El modelo de aprendizaje profundo de BigMHC, aprende a identificar antígenos de la superficie celular del tumor y posteriormente realiza el reconocimiento de células T. Este modelo fue probado en un gran conjunto de datos independentes para demostrar si mostraba resultados mejores para la predicción de presentación de antígenos que otros métodos más tradicionales. BigMHC logró superar a siete métodos en la identificación de neoantígenos que desencadenan la respuesta de células T.
“La esperanza es que BigMHC pueda guiar a los inmunólogos del cáncer a medida que desarrollan inmunoterapias que se pueden usar para múltiples pacientes, o desarrollan vacunas personalizadas que estimularían la respuesta inmunitaria de un paciente para matar sus células cancerosas”, explicó el autor principal Benjamin Alexander Albert.
De esta manera, esta clase de modelos y herramientas basadas en aprendizaje profundo y aprendizaje automático son capaces de ayudar a los médicos e investigadores a desarrollar enfoques personalizados para el tratamiento de diversos tipos de cáncer.
