Science和Cell子刊：借助大数据开发出治疗癌症的“智能”细胞疗法
来源：本站原创 2020-11-29 13:09
2020年11月29日讯/生物谷BIOON/---寻找既能杀死癌细胞又能让正常组织不受伤害的药物是肿瘤学研究的最高目标。在两篇新的论文中，来自美国加州大学旧金山分校和普林斯顿大学的研究人员提出用“智能（smart）”细胞疗法破解这一难题的互补策略：除非被仅在癌细胞中会同时出现的一组蛋白所激活，否则这些活的细胞药物会保持惰性。这种通用方法的生物学方面已经在We
2020年11月29日讯/生物谷BIOON/---寻找既能杀死癌细胞又能让正常组织不受伤害的药物是肿瘤学研究的最高目标。在两篇新的论文中，来自美国加州大学旧金山分校和普林斯顿大学的研究人员提出用“智能（smart）”细胞疗法破解这一难题的互补策略：除非被仅在癌细胞中同时出现的一组蛋白所激活，否则这些活的细胞药物会保持惰性。
这种通用方法的生物学方面已经在Wendell Lim博士及其同事们在加州大学旧金山分校细胞设计计划和美国国家癌症研究所赞助的合成免疫学中心的实验室中探索了好几年。但是，他们的新研究通过将前沿的治疗细胞工程与先进的计算方法相结合，为这方面增加了一个强大的新维度。
在第一篇发表在2020年9月23日的Cell Systems期刊上的标题为“Discriminatory Power of Combinatorial Antigen Recognition in Cancer T Cell Therapies”的论文中，Lim实验室的成员与普林斯顿大学路易斯-西格勒综合基因组学研究所计算机科学家Olga G. Troyanskaya博士的研究小组联手。通过使用机器学习方法，他们分析了在癌症和正常细胞中发现的数千种蛋白的海量数据库。随后，他们筛选了数百万种可能的蛋白组合，以构建出一个蛋白组合目录，可用于精确地只靶向癌细胞，而不靶向正常细胞。
在第二篇发表在2020年11月27日的Science期刊上的标题为“Precise T cell recognition programs designed by transcriptionally linking multiple receptors”的论文中，Lim及其同事们随后展示了如何将这些通过计算得出的蛋白数据用于推动设计有效和高度选择性的癌症细胞疗法。
Lim说，“目前，大多数癌症治疗，包括细胞疗法，都被告知‘阻止这个’，或者杀死‘这个’。我们希望增加治疗性细胞做出决定的细微差别和复杂程度。”
在过去的十年中，嵌合抗原受体（CAR）T细胞（CAR-T）作为一种治疗癌症的强大方法一直备受关注。在CAR-T细胞治疗中，免疫系统中的T细胞取自患者的血液，并在实验室中对它们进行基因操纵，以表达一种识别癌细胞表面上非常特殊的标志物或抗原的特定受体。
虽然科学家们已经证明CAR-T细胞对白血病和淋巴瘤等血癌相当有效，有时甚至可以治愈，但到目前为止，这种方法在实体瘤中的效果并不好，比如乳腺癌、肺癌或肝癌。这些实体癌中的细胞往往与其他组织中的正常细胞具有相同的抗原，这就带来了CAR-T细胞针对健康器官产生脱靶效应的风险。另外，实体瘤也常常会产生抑制性的微环境，从而限制了CAR-T细胞的功效。
在Lim看来，细胞类似于分子计算机，可以感知它们所在的环境，然后整合这些信息做出决策。他说，鉴于实体瘤比血癌更复杂，“你必须制造更复杂的产品”来对抗它们。
在第一篇论文中，在Troyanskaya团队的前研究生Ruth Dannenfelser博士和Lim实验室临床研究员Gregory Allen博士的领导下，这些研究人员搜索了公共数据库，探究了正常细胞和肿瘤细胞中2300多个基因的表达谱，以便观察哪些抗原可以帮助区分它们。他们使用机器学习技术得出可能的命中率，并查看哪些抗原簇集在一起。
基于这种基因表达分析，Lim、Troyanskaya及其同事们将布尔逻辑应用于抗原组合，以确定它们是否可以显著提高T细胞识别肿瘤同时忽略正常组织。例如，通过使用布尔运算符AND、OR或NOT，比如“A” OR“B”NOT “C”，肿瘤细胞可能会与正常组织区分开来，其中抗原A和B仅在肿瘤细胞中发现，而抗原C仅在正常组织中发现。
为了将这些指令编程到T细胞中，他们使用了一种称为synNotch的系统，这是一个可定制的分子传感器，允许合成生物学家对细胞的编程进行微调。synNotch于2016年在Lim实验室开发，是一种受体，可以经改造后成识别无数的靶抗原。synNotch的输出反应也可以被编程，因此一旦识别了抗原，细胞就会执行一系列反应中的任何一种。
为了证明他们积累的数据的潜在力量，这些研究人员使用synNotch对T细胞进行编程，以杀死表达独特的抗原组合---CD70和AXL---的肾癌细胞。虽然CD70也存在于健康的免疫细胞中，AXL也存在于健康的肺细胞中，但是携带经过改造的synNotch AND逻辑门的T细胞只杀死了癌细胞，而放过了健康细胞。
Troyanskaya说，“癌症的大数据分析领域和细胞工程领域在过去几年中都有了爆炸性的进展，但这些进展并没有汇集在一起。治疗性细胞的计算能力与机器学习方法相结合，可以对日益丰富的癌症基因组和蛋白质组数据进行可操作的利用。”
在第二篇论文中，在前加州大学旧金山分校研究生Jasper Williams的领导下，这些研究人员展示了多个synNotch受体如何通过菊花链连接在一起，以构建一系列复杂的癌症识别电路。鉴于synNotch可以以“即插即用”的方式激活选定基因的表达，这些组分可以以不同的方式连接起来，以构建具有不同布尔函数的电路，从而可以精确识别病变细胞，并在这些细胞被识别时做出一系列反应。
Lim说，“这项研究本质上是一本细胞工程手册，为我们提供了如何构建不同类型的治疗性T细胞的蓝图，这些T细胞可以识别几乎任何可能存在于癌细胞表面上的组合抗原模式。”
比如，一种synNotch受体经改造后识别抗原A，当它识别抗原A时，细胞会产生第二种synNotch来识别抗原B，这接着又可以诱导识别抗原C的CAR表达，其结果是T细胞需要所有这三种抗原的存在才能触发杀伤。在另一个例子中，如果T细胞遇到了存在于正常组织中但不存在于癌症中的抗原，那么具有NOT功能的synNotch受体可以被编程，这会使得携带它的T细胞死亡，从而使得正常细胞免受攻击和可能的毒性作用。
在第二篇论文中，利用这样复杂的synNotch配置，Lim及其同事们展示了他们可以选择性地杀死携带黑色素瘤和乳腺癌不同组合标志物的细胞。此外，当将装有synNotch的T细胞注射到携带两种具有不同抗原组合的类似肿瘤的小鼠体内时，这些T细胞能高效、精确地定位它们经改造后能够识别的肿瘤，并可靠地执行他们设计的细胞程序。
Lim团队如今正在探索如何将这些电路用于CAR-T细胞，以治疗胶质母细胞瘤。胶质母细胞瘤是一种侵袭性的脑癌形式，传统疗法几乎总是无效的。
Lim说，“你不仅仅是在寻找神奇疗法。你正在尝试使用所有的数据。我们需要梳理所有可用的癌症数据，以找到明确的癌症组合信号。如果我们能做到这一点，那么我们就可以使用这些智能细胞来真正驾驭复杂的生物学计算，并在对抗癌症方面产生真正的影响。”（生物谷 Bioon.com）
参考资料：
1.Ruth Dannenfelser et al. Discriminatory Power of Combinatorial Antigen Recognition in Cancer T Cell Therapies. Cell Systems, 2020, doi:10.1016/j.cels.2020.08.002.
2.Jasper Z. Williams et al. Precise T cell recognition programs designed by transcriptionally linking multiple receptors. Science, 2020, doi:10.1126/science.abc6270.
3.Big data powers design of 'smart' cell therapies for cancer
https://medicalxpress.com/news/2020-11-big-powers-smart-cell-therapies.html
这种通用方法的生物学方面已经在Wendell Lim博士及其同事们在加州大学旧金山分校细胞设计计划和美国国家癌症研究所赞助的合成免疫学中心的实验室中探索了好几年。但是，他们的新研究通过将前沿的治疗细胞工程与先进的计算方法相结合，为这方面增加了一个强大的新维度。
在第一篇发表在2020年9月23日的Cell Systems期刊上的标题为“Discriminatory Power of Combinatorial Antigen Recognition in Cancer T Cell Therapies”的论文中，Lim实验室的成员与普林斯顿大学路易斯-西格勒综合基因组学研究所计算机科学家Olga G. Troyanskaya博士的研究小组联手。通过使用机器学习方法，他们分析了在癌症和正常细胞中发现的数千种蛋白的海量数据库。随后，他们筛选了数百万种可能的蛋白组合，以构建出一个蛋白组合目录，可用于精确地只靶向癌细胞，而不靶向正常细胞。
图片来自Cell Systems, 2020, doi:10.1016/j.cels.2020.08.002。
在第二篇发表在2020年11月27日的Science期刊上的标题为“Precise T cell recognition programs designed by transcriptionally linking multiple receptors”的论文中，Lim及其同事们随后展示了如何将这些通过计算得出的蛋白数据用于推动设计有效和高度选择性的癌症细胞疗法。
Lim说，“目前，大多数癌症治疗，包括细胞疗法，都被告知‘阻止这个’，或者杀死‘这个’。我们希望增加治疗性细胞做出决定的细微差别和复杂程度。”
在过去的十年中，嵌合抗原受体（CAR）T细胞（CAR-T）作为一种治疗癌症的强大方法一直备受关注。在CAR-T细胞治疗中，免疫系统中的T细胞取自患者的血液，并在实验室中对它们进行基因操纵，以表达一种识别癌细胞表面上非常特殊的标志物或抗原的特定受体。
虽然科学家们已经证明CAR-T细胞对白血病和淋巴瘤等血癌相当有效，有时甚至可以治愈，但到目前为止，这种方法在实体瘤中的效果并不好，比如乳腺癌、肺癌或肝癌。这些实体癌中的细胞往往与其他组织中的正常细胞具有相同的抗原，这就带来了CAR-T细胞针对健康器官产生脱靶效应的风险。另外，实体瘤也常常会产生抑制性的微环境，从而限制了CAR-T细胞的功效。
图片来自CC0 Public Domain。
在Lim看来，细胞类似于分子计算机，可以感知它们所在的环境，然后整合这些信息做出决策。他说，鉴于实体瘤比血癌更复杂，“你必须制造更复杂的产品”来对抗它们。
在第一篇论文中，在Troyanskaya团队的前研究生Ruth Dannenfelser博士和Lim实验室临床研究员Gregory Allen博士的领导下，这些研究人员搜索了公共数据库，探究了正常细胞和肿瘤细胞中2300多个基因的表达谱，以便观察哪些抗原可以帮助区分它们。他们使用机器学习技术得出可能的命中率，并查看哪些抗原簇集在一起。
基于这种基因表达分析，Lim、Troyanskaya及其同事们将布尔逻辑应用于抗原组合，以确定它们是否可以显著提高T细胞识别肿瘤同时忽略正常组织。例如，通过使用布尔运算符AND、OR或NOT，比如“A” OR“B”NOT “C”，肿瘤细胞可能会与正常组织区分开来，其中抗原A和B仅在肿瘤细胞中发现，而抗原C仅在正常组织中发现。
为了将这些指令编程到T细胞中，他们使用了一种称为synNotch的系统，这是一个可定制的分子传感器，允许合成生物学家对细胞的编程进行微调。synNotch于2016年在Lim实验室开发，是一种受体，可以经改造后成识别无数的靶抗原。synNotch的输出反应也可以被编程，因此一旦识别了抗原，细胞就会执行一系列反应中的任何一种。
为了证明他们积累的数据的潜在力量，这些研究人员使用synNotch对T细胞进行编程，以杀死表达独特的抗原组合---CD70和AXL---的肾癌细胞。虽然CD70也存在于健康的免疫细胞中，AXL也存在于健康的肺细胞中，但是携带经过改造的synNotch AND逻辑门的T细胞只杀死了癌细胞，而放过了健康细胞。
Troyanskaya说，“癌症的大数据分析领域和细胞工程领域在过去几年中都有了爆炸性的进展，但这些进展并没有汇集在一起。治疗性细胞的计算能力与机器学习方法相结合，可以对日益丰富的癌症基因组和蛋白质组数据进行可操作的利用。”
在第二篇论文中，在前加州大学旧金山分校研究生Jasper Williams的领导下，这些研究人员展示了多个synNotch受体如何通过菊花链连接在一起，以构建一系列复杂的癌症识别电路。鉴于synNotch可以以“即插即用”的方式激活选定基因的表达，这些组分可以以不同的方式连接起来，以构建具有不同布尔函数的电路，从而可以精确识别病变细胞，并在这些细胞被识别时做出一系列反应。
Lim说，“这项研究本质上是一本细胞工程手册，为我们提供了如何构建不同类型的治疗性T细胞的蓝图，这些T细胞可以识别几乎任何可能存在于癌细胞表面上的组合抗原模式。”
比如，一种synNotch受体经改造后识别抗原A，当它识别抗原A时，细胞会产生第二种synNotch来识别抗原B，这接着又可以诱导识别抗原C的CAR表达，其结果是T细胞需要所有这三种抗原的存在才能触发杀伤。在另一个例子中，如果T细胞遇到了存在于正常组织中但不存在于癌症中的抗原，那么具有NOT功能的synNotch受体可以被编程，这会使得携带它的T细胞死亡，从而使得正常细胞免受攻击和可能的毒性作用。
在第二篇论文中，利用这样复杂的synNotch配置，Lim及其同事们展示了他们可以选择性地杀死携带黑色素瘤和乳腺癌不同组合标志物的细胞。此外，当将装有synNotch的T细胞注射到携带两种具有不同抗原组合的类似肿瘤的小鼠体内时，这些T细胞能高效、精确地定位它们经改造后能够识别的肿瘤，并可靠地执行他们设计的细胞程序。
Lim团队如今正在探索如何将这些电路用于CAR-T细胞，以治疗胶质母细胞瘤。胶质母细胞瘤是一种侵袭性的脑癌形式，传统疗法几乎总是无效的。
Lim说，“你不仅仅是在寻找神奇疗法。你正在尝试使用所有的数据。我们需要梳理所有可用的癌症数据，以找到明确的癌症组合信号。如果我们能做到这一点，那么我们就可以使用这些智能细胞来真正驾驭复杂的生物学计算，并在对抗癌症方面产生真正的影响。”（生物谷 Bioon.com）
参考资料：
1.Ruth Dannenfelser et al. Discriminatory Power of Combinatorial Antigen Recognition in Cancer T Cell Therapies. Cell Systems, 2020, doi:10.1016/j.cels.2020.08.002.
2.Jasper Z. Williams et al. Precise T cell recognition programs designed by transcriptionally linking multiple receptors. Science, 2020, doi:10.1126/science.abc6270.
3.Big data powers design of 'smart' cell therapies for cancer
https://medicalxpress.com/news/2020-11-big-powers-smart-cell-therapies.html
版权声明 本网站所有注明“来源：生物谷”或“来源：bioon”的文字、图片和音视频资料，版权均属于生物谷网站所有。非经授权，任何媒体、网站或个人不得转载，否则将追究法律责任。取得书面授权转载时，须注明“来源：生物谷”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
87%用户都在用生物谷APP 随时阅读、评论、分享交流 请扫描二维码下载->
