Aichi Cancer Center och NEC utvecklar en effektiv metod för att identifiera lungcancerantigener och antigenspecifika T-celler

Aichi Cancer Center och NEC utvecklar en effektiv metod för att identifiera lungcancerantigener och antigenspecifika T-celler

TOKYO, 08 augusti 2023 – (JCN Newswire) – Aichi Cancer Center och NEC Corporations forskningsgrupp med Gifu University, Toyama University och Kitasato University Medical Center, har utvecklat en metod för att effektivt identifiera lungcancerantigener och de antigenspecifika T-cellerna som känner igen antigenerna genom både en encellsanalys av tumörinfiltrerande lymfocyter (TIL) och NEC:s AI-baserade antigenprediktionssystem som förutsäger immunsvar. Vårt papper som beskriver resultaten av denna studie publicerades den 6 augusti 2023 i "Journal for ImmunoTherapy of Cancer", som är den officiella tidningen för Society of Immunotherapy of Cancer (SITC) i USA.

Aichi Cancer Center och NEC utvecklar en effektiv metod för att identifiera lungcancerantigener och antigenspecifika T-celler PlatoBlockchain Data Intelligence. Vertikal sökning. Ai.
Figur 1. Övergripande schema för denna studie
Aichi Cancer Center och NEC utvecklar en effektiv metod för att identifiera lungcancerantigener och antigenspecifika T-celler PlatoBlockchain Data Intelligence. Vertikal sökning. Ai.
Figur 2. Den enhetliga manifoldapproximationen och projektionen (UMAP) av uttrycksprofilerna för de 6,998 10 TILs härledda från de tre kirurgiska lungtumörvävnaderna. TILs klassificeras i XNUMX distinkta kluster.
Aichi Cancer Center och NEC utvecklar en effektiv metod för att identifiera lungcancerantigener och antigenspecifika T-celler PlatoBlockchain Data Intelligence. Vertikal sökning. Ai.
Figur 3. Totalt fem tumörantigener (KK-LC-1, mutant SORL1, mutant JAGN1, mutant AKT2, mutant ITGB5) och nio tumörantigenspecifika TCR (visade i olika färger, totalt 140 TCR-kloner) identifierades.
Aichi Cancer Center och NEC utvecklar en effektiv metod för att identifiera lungcancerantigener och antigenspecifika T-celler PlatoBlockchain Data Intelligence. Vertikal sökning. Ai.
Figur 4. (A) Återklustring av TCR-kloner (n=140) som uttrycker nio TCR. (B) Uttrycksanalysen av T-cellsundergruppsdefinierande gener i varje antigen.

Forskningsbakgrund

Lungcancer är en av de vanligaste cancerformerna och en av de främsta orsakerna till cancerdöd över hela världen. Det finns många typer av cancerbehandling, såsom kirurgi, kemoterapi, strålbehandling, molekylär riktad terapi, immunterapi och kombinationer av dessa. Nyligen utvecklade immunkontrollpunktshämmare (ICI) har uppmärksammats som en ny behandling, och lungcancer är en av de mest känsliga cancerformerna för ICI, men den är effektiv hos endast en undergrupp av individer. Följaktligen krävs nya effektiva immunterapier för lungcancer.

Cytotoxiska T-lymfocyter (CTL) i TIL är avgörande immunceller som specifikt kan känna igen och eliminera tumörceller. Antigener som målriktas av CTL inkluderar patientspecifika neoantigener och vanliga antigener som vanligtvis uttrycks bland patienter såsom cancer-testis-antigener (CTA). I allmänhet är det inte lätt att identifiera några antigener. Om dessa antigener kan identifieras effektivt kan en kombinationsterapi med ICI och antigenspecifik immunterapi förbättra behandlingens effektivitet.

Innehåll och resultat av denna forskning

I denna studie av Aichi Cancer Center och NEC utförde vi en encellsanalys för att bestämma TILs egenskaper hos patienter med kirurgiskt resekerade icke-småcellig lungcancer (NSCLC) (n=3) (Figur 1). Sedan delade vi TIL i 10 kluster baserat på genuttrycksprofil och identifierade det utmattade T-cellklustret (Tex-kluster) som kännetecknas av uttrycket av generna som kallas utmattningsmarkörer (Figur 2). Vi syntetiserade TCR:erna som finns i det identifierade utmattade T-cellklustret och inducerade var och en av TCR:erna i varje motsvarande T-cell, och undersökte immunsvaret mot neoantigener som förutspåtts av NEC:s AI-baserade antigenprediktionssystem och typiska CTA:er. Det bekräftades att NEC:s AI-baserade antigenförutsägelsesystem exakt kan förutsäga de antigener som orsakar immunsvaren, och vi identifierade fyra TCR som känner igen KK-LC-1 (en av CTA:erna, *2) och fem TCR som känner igen neoantigener ( Figur 3).

Forskarens kommentar

Dr. Hirokazu Matsushita, chef, avdelningen för translationell onkoimmunologi, Aichi Cancer Center
I samarbete med NEC och ledande forskningsinstitut har Aichi Cancer Center utvecklat en procedur för att effektivt identifiera antigener och antigenspecifika T-celler med hjälp av kirurgiska prover från patienter med cancer. När vi blickar framåt kommer vi att lägga till en rumslig analys av cancermikromiljön som innehåller antigener och antigenspecifika T-celler till detta system för att ytterligare klargöra karaktären hos de T-celler som infiltrerar cancern. Förutom att sträva efter att utveckla innovativa cancerimmunterapier från dessa studier kommer vi att tillämpa den kunskap som erhållits på andra cancerformer också.

Yoshiko Yamashita, Ph.D. Senior Professional, AI Drug Development Division, NEC Corporation
NEC genomför kliniska prövningar av personliga cancervaccinterapier riktade mot neoantigener. Vi tror att vi har tagit ett steg framåt för att förverkliga ännu mer sofistikerade personliga cancervaccinimmunterapier och konstruerade T-cellsterapier genom att använda en metod för att identifiera antigenspecifika T-celler konstruerade i denna studie och en Attentive Variational Information Bottleneck (AVIB) metod (* 3) att förutsäga interaktioner mellan TCR och antigener med hjälp av AI som nyligen utvecklats av NEC. Vi kommer att fortsätta att påskynda forskning och utveckling för att tillhandahålla effektiva behandlingar till patienter.

Forskningsstöd
Aichi Cancer Center Priority Project Research
NEC Corporation
Subventionsprogram för vetenskaplig forskning av Japan Society for the Promotion of Science
Japan Respiratory Foundation
Uehara Memorial Life Science Foundation

(1) Encellsanalys är en analysmetod som kan detektera RNA, som är en DNA-överföringsprodukt för varje cell, snarare än som en massa av vävnad, och förstå individualiteten och mångfalden hos individuella celler baserat på nivån av genexpression.
(2) KK-LC-1 (KitaKyushu Lung Canner antigen-1): Cancer- och testikelantigener som har rapporterats vara uttryckta i cancer.
(3) Attentive Variational Information Bottleneck (AVIB) Metod: Variationsinformation flaskhalsmetod utvecklad av NEC Laboratories Europe och NEC Laboratories America för att förutsäga interaktioner mellan TCR och antigener med användning av AI. (bit.ly/43YKys6)

Om NEC Corporation

NEC Corporation har etablerat sig som en ledare inom integrationen av IT- och nätverksteknik samtidigt som de främjar varumärkesförklaringen "Orchestrating a brighter world." NEC gör det möjligt för företag och samhällen att anpassa sig till snabba förändringar som äger rum i både samhället och marknaden eftersom det ger sociala värden säkerhet, säkerhet, rättvisa och effektivitet för att främja en mer hållbar värld där alla har chansen att nå sin fulla potential. För mer information, besök NEC på www.nec.com.

Tidsstämpel:

Mer från JCN Newswire