L’apprendimento automatico migliora la previsione di neoantigeni immunogenici

I ricercatori del Dipartimento di Oncologia dell’UNIL-CHUV e della sezione di Losanna dell’Istituto Ludwig hanno pubblicato un nuovo studio su "Immunity", dimostrando che l’apprendimento automatico migliora la priorità di mutazioni specifiche in alcuni tipi di cancro candidati al trattamento immunoterapico.

Alcune forme di cancro contengono numerose mutazioni, ma solo una sottopopolazione ristretta, di solito poche decine, può essere incorporata nella strategia immunoterapica. Pertanto, la fase cruciale del processo di immunoterapia consiste nel selezionare attentamente le mutazioni con il maggiore potenziale di successo dell’immunoterapia.

Lo studio *, guidato da Markus Müller e diretto da Michal Bassani-Sternberg, ha analizzato i dati di sequenziamento di un centinaio di pazienti oncologici. Andando oltre le convenzionali caratteristiche di priorità del neoantigene, lo studio ha identificato fattori determinanti come la posizione del neopeptide negli hotspot di presentazione HLA, la promiscuità del legame e l’oncogenicità del gene mutato, fornendo informazioni cruciali per la previsione dell’immunogenicità.

Integrando metodi di apprendimento automatico, il team ha sviluppato classificatori che hanno previsto con precisione l’immunogenicità del neoantigene in diversi set di dati, migliorando la classificazione del neoantigene del 30%. Inoltre, la ricerca ha prodotto preziosi set di dati standardizzati per l’avanzamento e la valutazione degli algoritmi associati alle immunoterapie basate su neoantigeni.

Questa ricerca innovativa apre nuove prospettive per le immunoterapie, fornendo una comprensione approfondita della selezione del neoantigene e del suo impatto sull’immunogenicità, con l’obiettivo finale di rivoluzionare le strategie di trattamento del cancro.

* Metodi di apprendimento automatico e set di dati armonizzati migliorano la previsione di neoantigeni immunogenici