Aichi Cancer Center en NEC ontwikkelen een efficiënte methode voor het identificeren van longkankerantigenen en antigeenspecifieke T-cellen

Aichi Cancer Center en NEC ontwikkelen een efficiënte methode voor het identificeren van longkankerantigenen en antigeenspecifieke T-cellen

Tijdstempel: 8 augustus 2023 12:39 uur

TOKIO, 08 augustus 2023 – (JCN Newswire) – Aichi Cancer Center en de onderzoeksgroep van NEC Corporation met Gifu University, Toyama University en Kitasato University Medical Center hebben een methode ontwikkeld voor het efficiënt identificeren van de longkankerantigenen en de antigeenspecifieke T-cellen die de antigenen herkennen door middel van zowel een eencellige analyse van tumor-infiltrerende lymfocyten (TIL's) als NEC's op AI gebaseerde antigeenvoorspellingssysteem dat de immuunrespons voorspelt. Ons artikel waarin de resultaten van deze studie worden beschreven, is op 6 augustus 2023 gepubliceerd in het "Journal for ImmunoTherapy of Cancer", het officiële tijdschrift van de Society of Immunotherapy of Cancer (SITC) in de Verenigde Staten.

Aichi Cancer Center en NEC ontwikkelen een efficiënte methode voor het identificeren van longkankerantigenen en antigeenspecifieke T-cellen PlatoBlockchain Data Intelligence. Verticaal zoeken. Ai.
Figuur 1. Algemeen schema van deze studie
Aichi Cancer Center en NEC ontwikkelen een efficiënte methode voor het identificeren van longkankerantigenen en antigeenspecifieke T-cellen PlatoBlockchain Data Intelligence. Verticaal zoeken. Ai.
Figuur 2. De uniforme veelvoudige benadering en projectie (UMAP) van de expressieprofielen van de 6,998 TIL's afgeleid van de drie chirurgische longtumorweefsels. TIL's zijn ingedeeld in 10 verschillende clusters.
Aichi Cancer Center en NEC ontwikkelen een efficiënte methode voor het identificeren van longkankerantigenen en antigeenspecifieke T-cellen PlatoBlockchain Data Intelligence. Verticaal zoeken. Ai.
Figuur 3. In totaal werden vijf tumorantigenen (KK-LC-1, mutant SORL1, mutant JAGN1, mutant AKT2, mutant ITGB5) en negen tumorantigeenspecifieke TCR's (getoond in verschillende kleuren, in totaal 140 TCR-klonen) geïdentificeerd.
Aichi Cancer Center en NEC ontwikkelen een efficiënte methode voor het identificeren van longkankerantigenen en antigeenspecifieke T-cellen PlatoBlockchain Data Intelligence. Verticaal zoeken. Ai.
Figuur 4. (A) Herclustering van TCR-klonen (n=140) die negen TCR's tot expressie brengen. (B) De expressie-analyse van T-cel subset-definiërende genen in elk antigeen.

Onderzoeksachtergrond

Longkanker is een van de meest voorkomende vormen van kanker en een van de belangrijkste doodsoorzaken wereldwijd. Er zijn veel soorten kankerbehandelingen, zoals chirurgie, chemotherapie, bestralingstherapie, moleculair gerichte therapie, immunotherapie en combinaties hiervan. Onlangs ontwikkelde immuuncontrolepuntremmers (ICI) hebben de aandacht getrokken als een nieuwe therapie, en longkanker is een van de meest gevoelige kankers voor ICI, maar het is slechts effectief bij een subgroep van individuen. Dienovereenkomstig zijn nieuwe effectieve immunotherapieën nodig voor longkanker.

Cytotoxische T-lymfocyten (CTL's) in TIL zijn cruciale immuuncellen die specifiek tumorcellen kunnen herkennen en elimineren. Antigenen waarop CTL gericht is, omvatten patiëntspecifieke neoantigenen en algemene antigenen die gewoonlijk tot expressie worden gebracht bij patiënten, zoals kanker-testis-antigenen (CTA). Over het algemeen is het niet eenvoudig om antigenen te identificeren. Als deze antigenen efficiënt kunnen worden geïdentificeerd, kan een combinatietherapie met ICI's en antigeenspecifieke immunotherapie de effectiviteit van de behandeling vergroten.

Inhoud en resultaten van dit onderzoek

In deze studie door Aichi Cancer Center en NEC hebben we een eencellige analyse uitgevoerd om de TIL-kenmerken te bepalen van patiënten met chirurgisch gereseceerde niet-kleincellige longkanker (NSCLC) (n=3) (figuur 1). Vervolgens verdeelden we de TIL's in 10 clusters op basis van het genexpressieprofiel en identificeerden we het uitgeputte T-celcluster (Tex-cluster) gekenmerkt door de expressie van de genen die uitputtingsmarkers worden genoemd (figuur 2). We synthetiseerden de TCR's in de geïdentificeerde uitgeputte T-celcluster en induceerden elk van de TCR's in elke overeenkomstige T-cel, en onderzochten de immuunresponsen op neoantigenen voorspeld door NEC's op AI gebaseerde antigeenvoorspellingssysteem en typische CTA's. Er werd bevestigd dat het op AI gebaseerde antigeenvoorspellingssysteem van NEC nauwkeurig de antigenen kan voorspellen die de immuunresponsen veroorzaken, en we identificeerden vier TCR's die KK-LC-1 herkennen (een van de CTA's, *2) en vijf TCR's die de neoantigenen herkennen ( Figuur 3).

Commentaar van de onderzoeker

Dr. Hirokazu Matsushita, hoofd, afdeling translationele oncoimmunologie, Aichi Cancer Center
In samenwerking met NEC en toonaangevende onderzoeksinstituten heeft het Aichi Cancer Center een procedure ontwikkeld voor het efficiënt identificeren van antigenen en antigeen-specifieke T-cellen met behulp van chirurgische monsters van patiënten met kanker. Vooruitkijkend zullen we een ruimtelijke analyse van de micro-omgeving van kanker die antigenen en antigeenspecifieke T-cellen bevat aan dit systeem toevoegen om de aard van de T-cellen die de kanker infiltreren verder te verduidelijken. Naast het streven om innovatieve kankerimmunotherapieën uit deze studies te ontwikkelen, zullen we de opgedane kennis ook toepassen op andere kankers.

Yoshiko Yamashita, Ph.D. Senior professional, afdeling AI-geneesmiddelenontwikkeling, NEC Corporation
NEC voert klinische proeven uit met gepersonaliseerde kankervaccintherapieën gericht op neoantigenen. We zijn van mening dat we een stap voorwaarts hebben gezet in het realiseren van nog geavanceerdere gepersonaliseerde kankervaccinimmunotherapieën en gemanipuleerde T-celtherapieën door een methode te gebruiken om antigeenspecifieke T-cellen te identificeren die in deze studie is geconstrueerd en een Attentive Variational Information Bottleneck (AVIB)-methode (* 3) om interacties tussen TCR's en antigenen te voorspellen met behulp van AI die nieuw is ontwikkeld door NEC. We zullen onderzoek en ontwikkeling blijven versnellen om effectieve behandelingen aan patiënten te bieden.

Onderzoeksondersteuning
Prioritair projectonderzoek van het Aichi Cancer Center
NEC Corporation
Subsidieprogramma voor Wetenschappelijk Onderzoek door de Japan Society for the Promotion of Science
Japan Ademhalingsstichting
Uehara Memorial Life Science Foundation

(1) Eencellige analyse is een analysemethode die in staat is om RNA te detecteren, dat een DNA-overdrachtsproduct is voor elke cel, in plaats van als een massa weefsel, en om de individualiteit en diversiteit van individuele cellen te begrijpen op basis van het niveau van genexpressie.
(2) KK-LC-1 (KitaKyushu Lung Canner-antigeen-1): Kanker- en testisantigenen waarvan is gemeld dat ze tot expressie komen in kanker.
(3) Attentive Variational Information Bottleneck (AVIB) Methode: Variatie-informatie bottleneckmethode ontwikkeld door NEC Laboratories Europe en NEC Laboratories America om interacties tussen TCR's en antigenen te voorspellen met behulp van AI. (bit.ly/43YKys6)

Over NEC Corporation

NEC Corporation heeft zichzelf gevestigd als leider in de integratie van IT- en netwerktechnologieën en promoot tegelijkertijd het merkstatement 'Orchestrating a brighter world'. NEC stelt bedrijven en gemeenschappen in staat zich aan te passen aan snelle veranderingen die plaatsvinden in zowel de samenleving als de markt, omdat het voorziet in de sociale waarden van veiligheid, beveiliging, eerlijkheid en efficiëntie om een ​​duurzamere wereld te bevorderen waarin iedereen de kans krijgt om zijn volledige potentieel te bereiken. Ga voor meer informatie naar NEC op www.nec.com.

Tijdstempel:

Meer van JCN Nieuwsdraad