كيف وجد الذكاء الاصطناعي الكلمات لقتل الخلايا السرطانية

معا للقضاء على التشيع

التوضيح الخلية المناعية الخلية السرطانية

السرطان مرض يتسم بالنمو غير الطبيعي وانقسام الخلايا في الجسم. يمكن أن تؤثر الأورام على أي جزء من الجسم ويمكن أن تكون حميدة (غير سرطانية) أو خبيثة (سرطانية) ، وتنتشر إلى أجزاء أخرى من الجسم عبر مجرى الدم أو الجهاز الليمفاوي.

تم تطوير نموذج تنبؤي يمكّن الباحثين من ترميز التعليمات للخلايا لتنفيذها.

أنشأ العلماء في جامعة كاليفورنيا ، سان فرانسيسكو (UCSF) وشركة IBM Research مكتبة افتراضية تضم آلاف “جمل الأوامر” للخلايا باستخدام التعلم الآلي. تستند هذه “الجمل” إلى مجموعات من “الكلمات” التي توجه الخلايا المناعية المهندسة للعثور على الخلايا السرطانية والقضاء عليها باستمرار.

هذا البحث الذي نشر مؤخرا في المجلة علوم، هي المرة الأولى التي يتم فيها تطبيق تقنيات حسابية متقدمة في مجال تقدم تقليديًا من خلال تجارب التجربة والخطأ واستخدام الجزيئات الموجودة مسبقًا بدلاً من الجزيئات الاصطناعية لهندسة الخلايا.

يسمح التقدم للعلماء بالتنبؤ بالعناصر – الطبيعية أو المركبة – التي يجب تضمينها في الخلية لمنحها السلوكيات الدقيقة المطلوبة للاستجابة بفعالية للأمراض المعقدة.

قال ويندل ليم ، دكتوراه ، أستاذ بايرز المميز لعلم الأدوية الخلوية والجزيئية ، الذي يدير معهد تصميم الخلايا بجامعة كاليفورنيا في سان فرانسيسكو وقاد الدراسة: “هذا تحول حيوي في هذا المجال”. “فقط من خلال امتلاك قوة التنبؤ هذه يمكننا الوصول إلى مكان يمكننا فيه بسرعة تصميم علاجات خلوية جديدة تنفذ الأنشطة المطلوبة.”

تعرف على الكلمات الجزيئية التي تصنع جمل الأوامر الخلوية

يتضمن الكثير من هندسة الخلايا العلاجية اختيار أو إنشاء مستقبلات ، عند إضافتها إلى الخلية ، ستمكّنها من القيام بوظيفة جديدة. المستقبلات عبارة عن جزيئات تربط غشاء الخلية لاستشعار البيئة الخارجية وتزويد الخلية بتعليمات حول كيفية الاستجابة للظروف البيئية.

يمكن أن يؤدي وضع المستقبل الصحيح في نوع من الخلايا المناعية تسمى الخلية التائية إلى إعادة برمجتها للتعرف على الخلايا السرطانية وقتلها. هذه ما يسمى بمستقبلات المستضدات الكيميرية (CARs) كانت فعالة ضد بعض أنواع السرطان دون غيرها.

ركز ليم والمؤلف الرئيسي كايل دانيلز ، وهو باحث في مختبر ليم ، على جزء من المستقبل الموجود داخل الخلية ، والذي يحتوي على سلاسل من[{” attribute=””>amino acids, referred to as motifs. Each motif acts as a command “word,” directing an action inside the cell. How these words are strung together into a “sentence” determines what commands the cell will execute.

Many of today’s CAR-T cells are engineered with receptors instructing them to kill cancer, but also to take a break after a short time, akin to saying, “Knock out some rogue cells and then take a breather.” As a result, the cancers can continue growing.

The team believed that by combining these “words” in different ways, they could generate a receptor that would enable the CAR-T cells to finish the job without taking a break. They made a library of nearly 2,400 randomly combined command sentences and tested hundreds of them in T cells to see how effective they were at striking leukemia.

What the Grammar of Cellular Commands Can Reveal About Treating Disease

Next, Daniels partnered with computational biologist Simone Bianco, Ph.D., a research manager at IBM Almaden Research Center at the time of the study and now Director of Computational Biology at Altos Labs. Bianco and his team, researchers Sara Capponi, Ph.D., also at IBM Almeden, and Shangying Wang, Ph.D., who was then a postdoc at IBM and is now at Altos Labs, applied novel machine learning methods to the data to generate entirely new receptor sentences that they predicted would be more effective.

“We changed some of the words of the sentence and gave it a new meaning,” said Daniels. “We predictively designed T cells that killed cancer without taking a break because the new sentence told them, ‘Knock those rogue tumor cells out, and keep at it.’”

Pairing machine learning with cellular engineering creates a synergistic new research paradigm.

“The whole is definitely greater than the sum of its parts,” Bianco said. “It allows us to get a clearer picture of not only how to design cell therapies, but to better understand the rules underlying life itself and how living things do what they do.”

Given the success of the work, added Capponi, “We will extend this approach to a diverse set of experimental data and hopefully redefine T-cell design.”

The researchers believe this approach will yield cell therapies for autoimmunity, regenerative medicine, and other applications. Daniels is interested in designing self-renewing stem cells to eliminate the need for donated blood.

He said the real power of the computational approach extends beyond making command sentences, to understanding the grammar of the molecular instructions.

“That is the key to making cell therapies that do exactly what we want them to do,” Daniels said. “This approach facilitates the leap from understanding the science to engineering its real-life application.”

Reference: “Decoding CAR T cell phenotype using combinatorial signaling motif libraries and machine learning” by Kyle G. Daniels, Shangying Wang, Milos S. Simic, Hersh K. Bhargava, Sara Capponi, Yurie Tonai, Wei Yu, Simone Bianco and Wendell A. Lim, 8 December 2022, Science.
DOI: 10.1126/science.abq0225

The study was funded by the National Institutes of Health. 

معا للقضاء على التشيع

اترك تعليقاً

لن يتم نشر عنوان بريدك الإلكتروني.

زر الذهاب إلى الأعلى
إغلاق