免疫細胞浸潤和細胞毒作用在炎癥和免疫治療中起著至關(guān)重要的作用。然而，目前的癌癥免疫治療篩選方法忽略了T細胞穿透腫瘤間質(zhì)的浸潤能力，從而極大地限制了實體瘤有效治療的發(fā)展。

近日，美國印第安納大學伯明頓分校郭峰團隊在 PNAS 期刊發(fā)表了題為：Microfluidics guided by deep learning for cancer immunotherapy screening 的研究論文。 該研究開發(fā)了一種平臺工具，將微流控與深度學習技術(shù)相結(jié)合，有效地識別促進T細胞腫瘤浸潤和提高癌癥免疫治療效果的表觀遺傳藥物，從而幫助改善癌癥免疫治療。

該論文的通訊作者郭峰教授表示，該研究開發(fā)的平臺非常獨特，能夠觀察不同的療法如何影響對目標癌細胞的殺傷，甚至是T細胞腫瘤浸潤情況。 微流控（microfluidics），也被形象地成為芯片實驗室（lab-on-a-chip），是在微觀通道中進行流體操作的技術(shù)，本質(zhì)上是將不同的實驗室功能縮小到一個微芯片上。 深度學習（Deep Learning）是受生物神經(jīng)網(wǎng)絡(luò)啟發(fā)的基于計算系統(tǒng)的機器學習，屬于人工智能（AI）技術(shù)。 實體瘤占據(jù)了人類癌癥的絕大部分。然而，目前的癌癥免疫治療篩查方法忽略了T細胞等免疫細胞穿透實體瘤組織的能力。

癌癥免疫療法取得了非常大的成功，但對于實體瘤而言，仍然面臨著巨大挑戰(zhàn)，很難開發(fā)出既能浸潤到實體瘤組織中，又能有效殺傷腫瘤細胞的有效療法。 在這項研究中，研究團隊希望開發(fā)出一種新的腫瘤免疫治療篩查平臺，可以動態(tài)跟蹤T細胞的腫瘤浸潤及對腫瘤細胞的殺傷情況，從而能夠以高通量和自動化的方式掃描許多潛在抗癌藥物。

研究團隊利用臨床數(shù)據(jù)訓練了一種深度學習算法，包括實體腫瘤的數(shù)字化圖像和患者生存數(shù)據(jù)。然后，他們將這種深度學習算法與微流控平臺集成，提出了一個自動化高通量微流控平臺，用于實時跟蹤三D腫瘤培養(yǎng)中T細胞浸潤和細胞毒作用的動態(tài)。該平臺可以模擬腫瘤免疫，并篩選新的免疫療法，促進T細胞腫瘤浸潤和殺死癌細胞。

通過使用基于臨床數(shù)據(jù)驅(qū)動深度學習方法的臨床腫瘤浸潤淋巴細胞（TIL）評分分析儀，該平臺可以根據(jù)T細胞浸潤模式評分來評估每種治療的療效。 使用該平臺，研究團隊對一個藥物庫進行了篩選，發(fā)現(xiàn)一種表觀遺傳藥物——賴氨酸特異性組蛋白去甲基化酶1抑制劑（LSD1i），可以有效促進T細胞腫瘤浸潤，并與免疫檢查點抑制劑（anti-PD1）聯(lián)合使用，在體內(nèi)提高癌癥治療效果。 總的來說，該研究開發(fā)了一種用于篩選T細胞-實體瘤相互作用的自動化系統(tǒng)和策略，以高通量篩選腫瘤免疫療法及聯(lián)合療法。

研究團隊表示，這種智能微流控平臺，對于解決實體瘤免疫治療具有很大的潛力。此外，該平臺還可以用于腫瘤學以外的領(lǐng)域，例如免疫學、神經(jīng)學、微生物學、組織工程、再生醫(yī)學、轉(zhuǎn)化醫(yī)學等。這項研究代表了科學于技術(shù)的強大力量，具有改變醫(yī)學研究的潛力。

免責聲明：文章來源網(wǎng)絡(luò)  以傳播知識、有益學習和研究為宗旨。 轉(zhuǎn)載僅供參考學習及傳遞有用信息，版權(quán)歸原作者所有，如侵犯權(quán)益，請聯(lián)系刪除。