在研究人員彭博?金梅爾研究所的癌癥免疫治療在約翰霍普金斯大學(xué)金梅爾癌癥研究中心已經(jīng)開發(fā)DeepTCR，一個(gè)軟件包，采用深學(xué)習(xí)算法來分析T細(xì)胞受體(TCR)的測序數(shù)據(jù)。在免疫T細(xì)胞的表面上發(fā)現(xiàn)了T細(xì)胞受體。這些受體與異常細(xì)胞(例如癌細(xì)胞和被病毒或細(xì)菌感染的細(xì)胞)上發(fā)現(xiàn)的某些抗原或蛋白質(zhì)結(jié)合，以引導(dǎo)T細(xì)胞攻擊并破壞受影響的細(xì)胞。
“ DeepTCR是一種開源軟件，可用于回答有關(guān)傳染病，癌癥免疫學(xué)和自身免疫性疾病研究的問題;任何免疫系統(tǒng)通過其T細(xì)胞受體發(fā)揮作用的地方，” John-威廉·西頓(William Sidhom)，醫(yī)學(xué)博士/博士。就讀于醫(yī)學(xué)院的約翰霍普金斯大學(xué)醫(yī)學(xué)院和生物醫(yī)學(xué)工程系彭博?金梅爾研究所的癌癥免疫治療工作。
該研究于3月11日發(fā)表在《自然通訊》上。
在參加癌癥研究協(xié)會(huì)2017年會(huì)議上有關(guān)將深度學(xué)習(xí)用于醫(yī)學(xué)的演講后，Sidhom受啟發(fā)開發(fā)了該軟件。他說：“我正在研究T細(xì)胞受體測序，這使我感到驚訝，這是更好地分析T細(xì)胞測序數(shù)據(jù)的正確技術(shù)。”
深度學(xué)習(xí)是人工智能的一種形式，可以在模式識別方面大致模擬人腦的運(yùn)作。Sidhom表示：“深度學(xué)習(xí)是對任何類型的數(shù)據(jù)進(jìn)行模式識別的一種非常靈活而強(qiáng)大的方法。在本文中，我們使用深度學(xué)習(xí)來識別T細(xì)胞受體測序數(shù)據(jù)中的模式。”該軟件可以探索T細(xì)胞受體，類似于互聯(lián)網(wǎng)搜索。“當(dāng)有人在互聯(lián)網(wǎng)上搜索貓或狗的圖像時(shí)，查詢不會(huì)涉及查找?guī)в袠?biāo)題的圖像來將圖像標(biāo)記為貓或狗，而是應(yīng)用一種探索圖像特征的算法并識別出將圖像識別為貓還是狗的模式。這是深度學(xué)習(xí)。”
DeepTCR是一個(gè)全面的深度學(xué)習(xí)框架，其中包括可在序列和樣本級別應(yīng)用的無監(jiān)督和受監(jiān)督的深度學(xué)習(xí)模型。Sidhom說，無監(jiān)督方法允許研究人員以探索性方式分析其數(shù)據(jù)，而可能沒有已知的免疫暴露，監(jiān)督方法將允許研究人員利用已知暴露來改善模型的學(xué)習(xí)。他說，結(jié)果是，DeepTCR將使研究人員能夠通過識別賦予T細(xì)胞識別和殺死病理細(xì)胞功能的受體模式，研究基礎(chǔ)和臨床科學(xué)中的T細(xì)胞免疫反應(yīng)的功能。
分析TCR測序數(shù)據(jù)的主要挑戰(zhàn)之一是將有意義的測序數(shù)據(jù)與無關(guān)緊要的數(shù)據(jù)區(qū)分開，而DeepTCR可以幫助您進(jìn)行此分析。“某人的免疫系統(tǒng)中有很多序列。某人可以感染許多病原體，因此免疫反應(yīng)非常廣泛。結(jié)果，免疫反應(yīng)中充滿了噪音，只有它的某些部分在特定時(shí)間對于某種感染很重要。” Sidhom解釋說。“我可能會(huì)對一千種不同的病毒產(chǎn)生T細(xì)胞反應(yīng)，但是當(dāng)流感影響我時(shí)，我只需要利用這些T細(xì)胞的一小部分來對抗流感。該算法可以做的主要事情是隔離和匹配對特定的反應(yīng)正確的T細(xì)胞。”
標(biāo)簽： 癌癥
免責(zé)聲明：本文由用戶上傳，如有侵權(quán)請聯(lián)系刪除！