个性化癌症治疗得力助手：约翰霍普金斯大学工程师开发深度学习技术

在癌症治疗领域，一项令人振奋的突破悄然问世：约翰霍普金斯大学工程师与癌症研究专家团队联手，共同研发了一项引人注目的深度学习技术。这项技术的威力在于，能够精准预测与癌症相关的蛋白质片段，这些片段或将引发免疫系统的强大反应。如果这一技术能够在临床测试中验证成功，将为创造个性化的免疫疗法和疫苗提供前所未有的支持。

【引子图片】

图：细胞毒性 CD8+ T 细胞通过受体结合新抗原识别癌细胞。图片来源：OpenAI 的 DALL-E 2 生成的图像

最新一期《自然-机器智能》杂志上刊登的一篇名为“挑战疫苗制作的重要一步”的研究，凝聚了约翰霍普金斯大学生物医学工程系、计算医学研究所、金梅尔癌症中心以及布隆伯格~金梅尔癌症免疫疗法研究所的专家智慧。他们共同揭示了一种名为“BigMHC”的深度学习方法，能够识别癌细胞上能够激发免疫杀伤反应的蛋白质片段。这不仅是免疫疗法反应的重要一环，也为个性化癌症治疗提供了坚实的科学基础。

生物医学工程、肿瘤学以及计算机科学领域的权威，约翰霍普金斯大学计算医学研究所核心成员雷切尔-卡钦（Rachel Karchin）博士表示：“癌症免疫疗法的核心目标是激活患者的免疫系统，以摧毁癌细胞。而其中的关键步骤是免疫系统通过T细胞与细胞表面的癌症特异性蛋白片段进行结合，以识别癌细胞。”

这些激发肿瘤杀伤性免疫反应的蛋白质片段，通常源自癌细胞的基因变异，被称为突变相关新抗原。每个患者的肿瘤都拥有一组独特的新抗原，它们决定了肿瘤的异质性，也就是说，肿瘤与其自身的不同之处。科学家们可以通过分析癌症基因组来确定患者肿瘤中哪些突变相关新抗原存在。然而，鉴定和验证能够激发免疫反应的新抗原，目前耗时费力，通常需要依赖劳动密集型的湿实验室实验。

为解决验证新抗原的资源短缺问题，研究人员采用了一种名为迁移学习的两阶段方法，训练了一个名为BigMHC的深度神经网络。首先，BigMHC学习识别抗原在细胞表面的呈现方式，这是适应性免疫反应的早期关键。然后，在数据稀缺的情况下，通过学习后期阶段（T细胞识别）进行微调。这样，研究团队成功利用丰富的数据构建了一个抗原呈递模型，并不断改进，以预测免疫原性抗原。

在一个大型独立数据集上的测试结果显示，BigMHC在预测抗原呈递方面的性能超越其他方法。研究人员还在研究合作者、布隆伯格~金梅尔癌症免疫疗法研究所的肿瘤学副教授凯莉-史密斯（Kellie Smith）博士的数据上进一步验证，发现在识别能够引发T细胞反应的新抗原方面，BigMHC明显优于其他七种方法。卡钦指出：“BigMHC在预测免疫原性新抗原方面表现出色。”

“最有可能从中获益的患者子集的定制癌症免疫疗法，迫切需要且尚未得到满足。BigMHC的应用能够揭示推动肿