Wissenschaftler von Ludwig Cancer Research haben eine vollständige Medikament-Pipeline entwickelt, die mehrere molekulare und genetische Analysen von Tumoren und den spezifischen molekularen Zielen von T-Zellen integriert und Algorithmen der künstlichen Intelligenz nutzt, um mit ihren Ergebnissen personalisierte Krebsimpfstoffe für Patienten zu ermöglichen.
Das Design, die Validierung und die vergleichende Bewertung dieser Computersuite, NeoDisc, werden in der aktuellen Ausgabe von Nature Biotechnology in einer Veröffentlichung unter der Leitung von Florian Huber und Michal Bassani-Sternberg von der Lausanner Niederlassung des Ludwig Institute for Cancer Research ausführlich beschrieben .
„NeoDisc bietet einzigartige Einblicke in die Immunbiologie von Tumoren und die Mechanismen, mit denen sie sich der Angriffsfläche für zytotoxische T-Zellen des Immunsystems entziehen“, sagte Bassani-Sternberg. „Diese Erkenntnisse sind für die Entwicklung personalisierter Immuntherapien von unschätzbarem Wert, und die analytische und rechnergestützte Pipeline, die das Herzstück von NeoDisc bildet, wird hier in Lausanne bereits für klinische Studien zu personalisierten Krebsimpfstoffen und adoptiven Zelltherapien eingesetzt.“
Viele Krebsarten weisen zahlreiche zufällige Mutationen auf, die sie für das Immunsystem besser sichtbar machen sollten. Solche Mutationen erzeugen abnorme Proteine, die Zellen, auch Krebszellen, in kurze Stücke – sogenannte Peptide – schneiden und als Antigene „präsentieren“, um einen Angriff durch patrouillierende T-Zellen einzuladen.
Die große Vielfalt dieser „Neoantigene“ ist einer der Gründe, warum Patienten so unterschiedlich auf Immuntherapien reagieren. Andererseits können Neoantigene genutzt werden, um Impfstoffe und andere Arten von Immuntherapien zu entwickeln, die speziell auf die Tumore jedes Patienten zugeschnitten sind. Solche personalisierten Behandlungen werden derzeit von Forschern auf der ganzen Welt entwickelt.
Solche Bemühungen sind technisch anspruchsvoll, da nicht alle Neoantigene von den T-Zellen eines bestimmten Patienten erkannt werden und selbst viele erkannte Neoantigene keinen ausreichend starken T-Zell-Angriff auslösen. Ein Ansatz zur Entwicklung personalisierter Impfstoffe und Zelltherapien besteht daher in der Identifizierung von Neoantigenen, die am wahrscheinlichsten einen heftigen T-Zell-Angriff auslösen.
Dazu sind anspruchsvolle, groß angelegte Analysen von Mutationen erforderlich, die potentielle Neoantigene erzeugen, des molekularen Gerüsts (bekannt als HLA-Moleküle), das sie den T-Zellen präsentiert, und der molekularen Eigenschaften, die eine Erkennung durch T-Zell-Rezeptoren ermöglichen. Bassani-Sternberg gehört zu den Pionieren auf diesem Gebiet, einer High-Tech-Verbindung groß angelegter biochemischer und computergestützter Analysen, die als „Immunopeptidomik“ bekannt ist.
Die Entwicklung personalisierter Immuntherapien wird auch durch die Genomanalyse der Tumor- und Blutzellen unterstützt, die das gesunde Genom des Patienten repräsentieren, durch die groß angelegte Analyse der Genexpression, die als „Transkriptomik“ bezeichnet wird, sowie durch die sensible Analyse des sogenannten Immunpeptidoms mit Massenspektrometrie. Bislang wurden diese leistungsstarken Technologien jedoch nie in eine einzige Computer-Pipeline integriert, um vorherzusagen, welche in den Tumoren eines Patienten identifizierten Neoantigene als Impfstoffe eingesetzt oder anderweitig für personalisierte Immuntherapien genutzt werden sollten.
Darüber hinaus sind Neoantigene nicht die einzige Art von Antigenen, die für eine gezielte Immuntherapie zur Verfügung stehen. Krebszellen exprimieren auch fälschlicherweise Teile normalerweise nicht kodierender DNA als Proteine, Gene, die normalerweise nur während der Entwicklung exprimiert werden, andere abweichend exprimierte Genprodukte und im Falle von virusbedingten Tumoren virale Antigene – all dies kann einen Immunangriff provozieren.
„NeoDisc kann all diese unterschiedlichen Arten tumorspezifischer Antigene zusammen mit Neoantigenen erkennen, maschinelles Lernen und regelbasierte Algorithmen anwenden, um diejenigen zu priorisieren, die am wahrscheinlichsten eine T-Zell-Reaktion hervorrufen, und diese Informationen dann nutzen, um einen personalisierten Krebsimpfstoff für den jeweiligen Patienten zu entwickeln“, sagte Huber.
Darüber hinaus bewertet NeoDisc die potenziellen Antigene, die es erkennt, und generiert Visualisierungen der Heterogenität von Krebszellen innerhalb von Tumoren.
https://www.nature.com/articles/s41587-024-02420-y
