德克萨斯大学西南医学中心和 MD 安德森癌症中心的研究人员和数据科学家开发了一种人工智能技术，可以识别免疫系统识别癌细胞产生的哪些细胞表面肽，称为新抗原。

在Nature Machine Intelligence在线详细介绍的 pMTnet 技术可能会带来预测癌症预后和对免疫疗法的潜在反应的新方法。

“确定哪些新抗原与 T 细胞受体结合，哪些不结合似乎是一项不可能完成的任务。但是，随着机器学习，我们正在取得进展，”资深作者王涛博士，博士，助理教授人口和数据科学，并与哈罗德·西蒙斯C.综合癌症中心和中心主机的遗传学UT西南的防守。

癌细胞基因组中的突变导致它们在其表面显示不同的新抗原。其中一些新抗原被免疫 T 细胞识别，这些 T 细胞会寻找癌症和外来入侵者的迹象，从而使癌细胞被免疫系统破坏。然而，其他的似乎对 T 细胞是不可见的，从而使癌症不受控制地生长。

“对于免疫系统，新抗原的存在是正常细胞和肿瘤细胞之间最大的区别之一，”天狮路，第一合着者与张泽，博士生在说陶宏实验室，它采用了先进的最- 先进的生物信息学和生物统计学方法，用于研究肿瘤免疫学对各种癌症的肿瘤发生、转移、预后和治疗反应的影响。“如果我们能够弄清楚哪些新抗原会刺激免疫反应，那么我们或许能够以各种不同的方式利用这些知识来对抗癌症，”卢女士说。

能够预测 T 细胞识别哪些新抗原可以帮助研究人员开发个性化的癌症疫苗，设计更好的基于 T 细胞的疗法，或预测患者对其他类型免疫疗法的反应程度。但是有成千上万种不同的新抗原，预测哪些新抗原触发 T 细胞反应的方法已被证明是耗时、技术上具有挑战性且成本高昂的。

在美国国立卫生研究院 (NIH) 和德克萨斯癌症预防研究所 (CPRIT) 的资助下，为了寻找更好的技术，研究团队开始使用机器学习。他们使用来自三种不同成分的已知结合或非结合组合的数据训练了一种基于深度学习的算法，他们将其命名为 pMTnet：新抗原;称为主要组织相容性复合物 (MHC) 的蛋白质，可在癌细胞表面呈现新抗原;以及负责识别新抗原-MHC 复合物的 T 细胞受体 (TCR)。然后，他们针对从 30 项不同研究开发的数据集测试了该算法，这些研究通过实验确定了结合或非结合的新抗原 T 细胞 - 受体对。该实验表明，新算法具有较高的准确率。