Aichi Cancer Center og NEC utvikler en effektiv metode for å identifisere lungekreftantigener og antigenspesifikke T-celler

Aichi Cancer Center og NEC utvikler en effektiv metode for å identifisere lungekreftantigener og antigenspesifikke T-celler

Tidsstempel: 8. august 2023 kl.12: 39

TOKYO, 08. august 2023 – (JCN Newswire) – Aichi Cancer Center og NEC Corporations forskningsgruppe med Gifu University, Toyama University og Kitasato University Medical Center, har utviklet en metode for effektivt å identifisere lungekreftantigenene og de antigenspesifikke T-cellene som gjenkjenner antigenene gjennom både en enkeltcelleanalyse av tumorinfiltrerende lymfocytter (TILs) og NECs AI-baserte antigenprediksjonssystem som forutsier immunrespons. Vårt papir som beskriver resultatene av denne studien ble publisert 6. august 2023 i "Journal for ImmunoTherapy of Cancer", som er det offisielle tidsskriftet til Society of Immunotherapy of Cancer (SITC) i USA.

Aichi Cancer Center og NEC utvikler en effektiv metode for å identifisere lungekreftantigener og antigenspesifikke T-celler PlatoBlockchain Data Intelligence. Vertikalt søk. Ai.
Figur 1. Overordnet opplegg for denne studien
Aichi Cancer Center og NEC utvikler en effektiv metode for å identifisere lungekreftantigener og antigenspesifikke T-celler PlatoBlockchain Data Intelligence. Vertikalt søk. Ai.
Figur 2. Den ensartede manifoldtilnærmingen og projeksjonen (UMAP) av ekspresjonsprofilene til de 6,998 10 TIL-ene avledet fra de tre kirurgiske lungetumorvevene. TIL-er er klassifisert i XNUMX forskjellige klynger.
Aichi Cancer Center og NEC utvikler en effektiv metode for å identifisere lungekreftantigener og antigenspesifikke T-celler PlatoBlockchain Data Intelligence. Vertikalt søk. Ai.
Figur 3. Totalt fem tumorantigener (KK-LC-1, mutant SORL1, mutant JAGN1, mutant AKT2, mutant ITGB5) og ni tumorantigenspesifikke TCR-er (vist i forskjellige farger, totalt 140 TCR-kloner) ble identifisert.
Aichi Cancer Center og NEC utvikler en effektiv metode for å identifisere lungekreftantigener og antigenspesifikke T-celler PlatoBlockchain Data Intelligence. Vertikalt søk. Ai.
Figur 4. (A) Re-clustering av TCR-kloner (n=140) som uttrykker ni TCR. (B) Ekspresjonsanalysen av T-celle undergruppe-definerende gener i hvert antigen.

Forskningsbakgrunn

Lungekreft er en av de vanligste kreftformene og en av de viktigste årsakene til kreftdød på verdensbasis. Det finnes mange typer kreftbehandling, som kirurgi, kjemoterapi, strålebehandling, molekylær målrettet terapi, immunterapi og kombinasjoner av disse. Nylig utviklede immunkontrollpunkthemmere (ICI) har tiltrukket seg oppmerksomhet som en ny terapi, og lungekreft er en av de mest følsomme kreftformene for ICI, men den er effektiv hos bare en undergruppe av individer. Følgelig kreves nye effektive immunterapier for lungekreft.

Cytotoksiske T-lymfocytter (CTL) i TIL er avgjørende immunceller som spesifikt kan gjenkjenne og eliminere tumorceller. Antigener målrettet av CTL inkluderer pasientspesifikke neoantigener og vanlige antigener som ofte uttrykkes blant pasienter som cancer-testis-antigener (CTA). Generelt er det ikke lett å identifisere noen antigener. Hvis disse antigenene kan identifiseres effektivt, kan en kombinasjonsbehandling med ICIer og antigenspesifikk immunterapi øke behandlingens effektivitet.

Innhold og resultater av denne forskningen

I denne studien av Aichi Cancer Center og NEC utførte vi en enkeltcelleanalyse for å bestemme TILs-karakteristikkene til pasienter med kirurgisk resekert ikke-småcellet lungekreft (NSCLC) (n=3) (figur 1). Deretter delte vi TIL-ene i 10 klynger basert på genekspresjonsprofil, og identifiserte den utmattede T-celle-klyngen (Tex-klyngen) karakterisert ved ekspresjonen av genene kalt utmattelsesmarkører (figur 2). Vi syntetiserte TCR-ene inneholdt i den identifiserte utmattede T-celleklyngen og induserte hver av TCR-ene i hver korresponderende T-celle, og undersøkte immunresponsene til neoantigener forutsagt av NECs AI-baserte antigenprediksjonssystem og typiske CTA-er. Det ble bekreftet at NECs AI-baserte antigenprediksjonssystem nøyaktig kan forutsi antigenene som forårsaker immunresponsene, og vi identifiserte fire TCR-er som gjenkjenner KK-LC-1 (en av CTA-ene, *2), og fem TCR-er som gjenkjenner neoantigenene ( Figur 3).

Forskerkommentar

Dr. Hirokazu Matsushita, sjef, avdeling for translationell onkoimmunologi, Aichi Cancer Center
I samarbeid med NEC og ledende forskningsinstitutter har Aichi Cancer Center utviklet en prosedyre for å effektivt identifisere antigener og antigenspesifikke T-celler ved hjelp av kirurgiske prøver fra pasienter med kreft. Når vi ser fremover, vil vi legge til en romlig analyse av kreftmikromiljøet som inneholder antigener og antigenspesifikke T-celler til dette systemet for ytterligere å avklare naturen til T-cellene som infiltrerer kreften. I tillegg til å ta sikte på å utvikle innovative kreftimmunterapier fra disse studiene, vil vi bruke kunnskapen som er oppnådd på andre kreftformer også.

Yoshiko Yamashita, Ph.D. Senior Professional, AI Drug Development Division, NEC Corporation
NEC gjennomfører kliniske studier av personlig tilpassede kreftvaksineterapier rettet mot neoantigener. Vi tror at vi har tatt et skritt fremover i å realisere enda mer sofistikerte personaliserte kreftvaksineimmunterapier og konstruerte T-celleterapier ved å bruke en metode for å identifisere antigenspesifikke T-celler konstruert i denne studien og en Attentive Variational Information Bottleneck (AVIB) metode (* 3) å forutsi interaksjoner mellom TCR-er og antigener ved bruk av AI som nylig er utviklet av NEC. Vi vil fortsette å akselerere forskning og utvikling for å gi effektive behandlinger til pasienter.

Forskningsstøtte
Aichi Cancer Center Priority Project Research
NEC Corporation
Tilskuddsprogram for vitenskapelig forskning av Japan Society for the Promotion of Science
Japan Respiratory Foundation
Uehara Memorial Life Science Foundation

(1) Enkeltcelleanalyse er en analysemetode som er i stand til å oppdage RNA, som er et DNA-overføringsprodukt for hver celle, snarere enn som en masse av vev, og forstå individualiteten og mangfoldet til individuelle celler basert på nivået av genuttrykk.
(2) KK-LC-1 (KitaKyushu Lung Canner antigen-1): Kreft- og testisantigener som er rapportert å komme til uttrykk i kreft.
(3) Attentive Variational Information Bottleneck (AVIB) Metode: Variasjonsinformasjonsflaskehalsmetode utviklet av NEC Laboratories Europe og NEC Laboratories America for å forutsi interaksjoner mellom TCR og antigener ved bruk av AI. (bit.ly/43YKys6)

Om NEC Corporation

NEC Corporation har etablert seg som ledende innen integrasjon av IT- og nettverksteknologier, samtidig som de fremmer merkevareerklæringen om "Orchestrating a brighter world." NEC gjør det mulig for bedrifter og lokalsamfunn å tilpasse seg raske endringer som finner sted i både samfunnet og markedet, da det sørger for sosiale verdier som sikkerhet, sikkerhet, rettferdighet og effektivitet for å fremme en mer bærekraftig verden der alle har sjansen til å nå sitt fulle potensial. For mer informasjon, besøk NEC på www.nec.com.

Tidstempel:

Mer fra JCN Newswire