指南针1000词2000词4000词精讲课录播课可信赖的股票配资
控制细胞的命运。新智元报道
编辑:耳朵 乔杨
【新智元导读】南加州大学凯克医学院利用AI技术将脑癌细胞转化为免疫细胞,在胶质母细胞瘤小鼠模型中将生存机会提高了75%。
胶质母细胞瘤 (GBM) 是最常见和最致命的脑癌,以其高侵袭性、高复发率和低生存率著称,患者在确诊后,平均预期寿命往往只有一年左右。
胶质母细胞瘤是仅次于脑膜瘤的第二最常见的脑肿瘤,每年每10万人中约出现3起病例。
在未经治疗的情况下,生存期通常仅剩3个月,仅有不到10%的患者能在确诊后活过了五年。而且由于多种原因,胶质母细胞瘤的治疗非常困难。
尽管免疫疗法对其他癌症有效,但由于血脑屏障 (BBB),免疫细胞很难到达胶质母细胞瘤,而且还可能导致脑损伤。
面对这一医学难题,南加州大学(USC) 凯克医学院的学者在美国国立卫生研究院(NIH)的支持下进行了一系列新研究,采用人工智能技术来控制细胞的命运——将癌细胞转化为免疫细胞。
研究人员发现可,以利用人工智能来识别并重新编程胶质母细胞瘤细胞的基因,将其转变为树突状细胞 (DC),从而有效地瞄准并摧毁它们周围的癌细胞。
在胶质母细胞瘤小鼠模型中,该方法将生存机会提高了75%。研究结果刚刚发表在美国癌症研究协会旗下期刊《癌症免疫学研究》上。
在这项新研究中,研究小组利用人工智能找到了一组可以将人类GBM细胞转化为DC细胞的基因,可以将遗传物质嵌入病毒载体并将其传递给GBM患者。
David Tran博士是该研究的主要作者,也是凯克医学院神经外科和神经病学副教授以及神经肿瘤科主任,他还领导了南加州大学诺里斯综合癌症中心和脑肿瘤中心。
「这项开创性的研究利用人工智能的力量将胶质母细胞瘤细胞转化为免疫激活细胞,标志着癌症免疫治疗的重大进步,」David Tran博士说。
「通过让癌症自身的细胞对抗它,我们正在为更有效的治疗铺平道路,并为与这种癌症和许多其他侵袭性癌症作斗争的患者提供新的希望。」
控制细胞的命运
树突状细胞在激活免疫反应、采集抗原并将其呈递给其他免疫细胞方面至关重要。
树突状细胞的3D模型
树突状细胞在激活免疫反应中起着核心作用,它们从抗原(如癌细胞)中取样,并将其呈现给其他免疫细胞,包括T细胞军团。
尽管之前的研究表明树突状细胞可以对抗GBM,但研究人员尚未找到可靠的方法,让它们穿过血脑屏障并进入肿瘤。
因此,研究小组通过对肿瘤内已有的癌细胞进行重新编程,绕过了这个巨大的困难。
然而,特异性是一个重要的考虑因素。
「我们不想给患者注射把所有种类细胞都转化为树突状细胞的东西,」Tran博士说。
研究团队利用人工智能的高计算能力,开发了一种机器学习系统,对数以万计的基因和数百万个基因间连接进行了深度分析。
这一方法能够准确识别出靶向胶质母细胞瘤细胞,然后将其进行重新编程,转化为为类似树突状细胞的基因组合。
这一过程不仅复杂且极具挑战性,但人工智能的介入极大地加速了这一发现过程。
为了验证这一方法的有效性,研究团队在胶质母细胞瘤小鼠模型中进行了大量实验。
他们发现,经过基因重编程的胶质母细胞瘤细胞能够显著增强小鼠体内的免疫反应,有效抑制肿瘤的生长并延长小鼠的生存期。
当与其他免疫疗法一起使用时,对GBM细胞进行重编程可以大大提高小鼠模型的免疫反应和存活率。
当与免疫检查点治疗相结合时,生存几率提高了75%;此外,当与经典的DC疫苗结合使用时,新方法使生存机会增加了一倍。但单独使用这两种疗法都不能增加GBM患者的生存机会。
Tran表示,「人工智能正在帮助我们解决对抗癌症的关键问题,并为我们提供了操纵细胞命运的强大方法。」
从实验室走向临床
尽管目前的研究仍处于动物模型阶段,但这一突破性成果已经为胶质母细胞瘤的临床治疗带来了无限可能。
除了在小鼠身上进行的概念验证研究外,研究人员还利用他们的人工智能系统识别了一组人类基因,这些基因可以将人类胶质母细胞瘤细胞转化为类似树突状细胞的细胞。
研究团队表示,他们接下来将对这些基因组合进行微调,并计划将其包装到无害的病毒载体中,以便在动物模型中进行进一步的安全性和有效性测试。
Tran说,「我们希望扩大搜索范围,在对患者进行测试时,利用人工智能帮助我们找到可能的最佳组合。」
如果这种方法被认为是安全有效的——这意味着它改善了胶质母细胞瘤模型的结果,并且不会产生意想不到的副作用。
如果该方法被认为安全有效,该团队将申请批准在几年内开始对患者进行临床试验。
此外,研究团队还希望利用他们的人工智能模型,探索更多可以重新编程其他类型癌细胞的基因组合,为更多类型的癌症治疗提供新的思路和方法。
他们相信,通过人工智能与基因工程的完美结合,人类将能够解锁更多治疗癌症的钥匙可信赖的股票配资,为更多患者带来生命的希望。
Powered by 广州杠杆配资网_股票配资开户_配资炒股门户网 @2013-2022 RSS地图 HTML地图