点击蓝字
关注我们
利用新的机器学习技术，加州大学旧金山分校（UCSF）的研究人员与IBM Research的一个团队合作，开发了一个虚拟分子库，其中包含数千个针对细胞的“命令语句”，其由不同“单词”组合而成，可指导工程免疫细胞寻找并不断地杀死癌细胞。
这项研究是这种复杂计算方法首次应用于一个领域，迄今为止，该领域的进展主要是通过对现有分子而非合成分子进行临时修补和工程细胞。
这一进展使科学家能够预测细胞中应该包含哪些元素（天然或合成），以使其具备有效应对复杂疾病所需的精确行为。
“这是该领域的一个重大转变，” Byers细胞和分子药理学杰出教授Wendell Lim表示，他也是UCSF细胞设计研究所的负责人，并领导了这项研究。“只有具备这种预测能力，我们才能快速设计出新的细胞疗法来进行所需行为。”
认识构成细胞命令句的分子词
许多治疗性细胞工程涉及选择或制造受体，当这些受体进入细胞后，将使其能够执行新的功能。受体是桥接细胞膜以感知外界环境的分子，并为细胞提供如何应对环境条件做出反应的指令。
将正确的受体放入一种称为T细胞的免疫细胞中，可以对其进行重新编程，以识别和杀死癌细胞。这些所谓的嵌合抗原受体（CAR）对某些癌症有效，但对其他癌症无效。
Lim和Kyle Daniels博士是Lim实验室的研究人员，他们关注的是位于细胞内部的一个受体部分，该受体包含一串氨基酸，称为基序。每个基序都充当命令“单词”，指导细胞内的动作。这些单词如何串成一个“句子”决定了细胞将执行什么命令。
目前的许多CAR-T细胞都被设计成受体，指示它们杀死癌症，但会在短时间后‘修兵’，即干掉一些流氓细胞后，就休息一下。因此，癌症可以继续生长。
该团队认为，通过以不同的方式组合这些“词语”，他们可以产生一种受体，可使CAR-T细胞能够在不休息的情况下完成任务。他们制作了一个由近2400个随机组合的命令语句组成的库，并在T细胞中测试了数百个命令语句，以了解它们对白血病的治疗效果。
细胞命令语法对治疗疾病的启示
接下来，Daniels与计算生物学家Simone Bianco博士团队合作，将新的机器学习方法应用到数据中，以生成他们预测会更有效的全新受体句子。
Daniels表示：“我们改变了句子中的一些单词，赋予了它新的含义。我们有预见性地设计了可不间断杀死癌症的T细胞，因为新的句子告诉他们，‘不间断地把那些无赖肿瘤细胞赶出去。’”
将机器学习与细胞工程相结合创造了一种协同的新研究范例。
Bianco表示：“整体肯定大于各部分的总和。它让我们不仅能更清楚地了解如何设计细胞疗法，还能更好地理解生命本身的内在规律，以及生物的本职工作。”
Capponi补充道，鉴于这项工作的成功，我们将把这种方法扩展到其它不同的实验数据，并希望重新定义T细胞设计。
研究人员相信，这种方法将产生用于自身免疫、再生医学和其他应用的细胞疗法。Daniels对设计自我更新的干细胞以消除捐献血液的需求非常感兴趣。
他表示，计算方法的真正力量不仅仅是命令语句，而是理解分子指令的语法。
Daniels表示：“这是制造细胞疗法的关键，而细胞疗法正是我们所希望的。这种方法有助于实现从理解科学到设计其实际应用的飞跃。”
微信号｜半导体芯说
