Utilizamos cookies para comprender de qué manera utiliza nuestro sitio y para mejorar su experiencia. Esto incluye personalizar el contenido y la publicidad. Para más información, Haga clic. Si continua usando nuestro sitio, consideraremos que acepta que utilicemos cookies. Política de cookies.

Presenta Sitios para socios Información LinkXpress hp
Ingresar
Publique su anuncio con nosotros
LGC Clinical Diagnostics

Deascargar La Aplicación Móvil




Inteligencia artificial identifica células que destruyen tumores con alta precisión

Por el equipo editorial de LabMedica en español
Actualizado el 03 Jun 2024
Print article
Imagen: El modelo predictivo de IA identifica las células inmunes que matan cáncer más potentes para su uso en inmunoterapias (foto cortesía de Shutterstock)
Imagen: El modelo predictivo de IA identifica las células inmunes que matan cáncer más potentes para su uso en inmunoterapias (foto cortesía de Shutterstock)

La inmunoterapia celular implica extraer células inmunitarias del tumor de un paciente, mejorar potencialmente sus capacidades para combatir el cáncer mediante ingeniería, y luego expandirlas y reintroducirlas en el cuerpo. Las células T, un tipo primario de glóbulo blanco o linfocito, circulan en la sangre y monitorean la presencia de células cancerosas o infectadas por virus. Entre ellos, las células T que infiltran tumores sólidos se conocen como linfocitos infiltrantes de tumores o TIL. Sin embargo, no todos los TIL reconocen y atacan eficazmente las células tumorales. Para abordar esto, los científicos han empleado inteligencia artificial (IA) para crear un modelo predictivo que pueda identificar los TIL más efectivos para su uso en inmunoterapia contra el cáncer.

El nuevo modelo predictivo impulsado por IA, llamado TRTpred desarrollado por científicos de Ludwig Cancer Research (Nueva York, NY, EUA) clasifica los receptores de células T (TCR) según su reactividad tumoral. Para crear TRTpred, los investigadores utilizaron 235 TCR de pacientes con melanoma metastásico, ya clasificados como reactivos o no reactivos al tumor. Introducen los perfiles globales de expresión genética de las células T que albergan cada TCR en un modelo de aprendizaje automático para identificar patrones que distinguen las células T reactivas a tumores de sus contrapartes inactivas. Este modelo, mejorado con algoritmos adicionales, admite tratamientos contra el cáncer personalizados adaptados a la composición celular única de los tumores de cada paciente.

El modelo TRTpred se utilizó para analizar los TIL de 42 pacientes con melanoma, cáncer gastrointestinal, de pulmón y de mama, identificando los TCR reactivos a tumores con aproximadamente un 90 % de precisión. El proceso de selección se perfeccionó aún más utilizando un filtro algorítmico secundario para aislar aquellas células T con "alta avidez", lo que significa que se unen fuertemente a los antígenos tumorales. Se observó que las células T identificadas por TRTpred y este filtro secundario como reactivas al tumor y de alta avidez estaban ubicadas predominantemente dentro de los tumores en lugar de en el tejido estromal circundante. Esto concuerda con estudios previos que sugieren que las células T efectivas a menudo penetran profundamente en los islotes tumorales.

Luego se introdujo un tercer filtro para mejorar la identificación de TCR que reconocen una amplia gama de antígenos tumorales. Este filtro agrupa los TCR según características físicas y químicas similares, asumiendo que los TCR de cada grupo reconocen el mismo antígeno. Este sistema mejorado, llamado MixTRTpred, se probó luego cultivando tumores humanos en ratones, extrayendo TCR de sus TIL y empleando MixTRTpred para identificar células T que reaccionaban a tumores, tenían alta avidez y se dirigían a múltiples antígenos tumorales. Luego, los investigadores diseñaron células T de ratón para expresar estos TCR y demostraron que estas células modificadas podían erradicar eficazmente los tumores cuando se reintroducían en los ratones.

"La implementación de la inteligencia artificial en la terapia celular es nueva y puede cambiar las reglas del juego, ofreciendo nuevas opciones clínicas a los pacientes", dijo Alexandre Harari de Ludwig Lausanne, quien dirigió el estudio publicado el 7 de mayo de 2024 en Nature Biotechnology.

Enlaces relacionados:
Ludwig Cancer Research

New
Miembro Oro
Pharmacogenetics Panel
VeriDose Core Panel v2.0
New
Miembro Oro
ZIKA Virus Test
ZIKA ELISA IgG
New
Echinococcus Granulosus Assay
Echinococcus Granulosus IgG ELISA
New
Chagas Disease Test
Simple/Stick Chagas/WB

Print article

Canales

Diagnóstico Molecular

ver canal
Imagen: el ensayo de vanguardia se procesa los instrumentos iSYSTM o i10 TM de acceso aleatorio (Foto cortesía de EUROIMMUN)

Prueba automatizada de testosterona libre mejora capacidades de diagnóstico de trastornos androgénicos

Un ensayo de última generación ofrece una medición directa de los niveles de testosterona libre en una sola prueba, mejorando significativamente las capacidades de diagnóstico para afecciones como hipogonadismo,... Más

Microbiología

ver canal
Imagen: el sistema innovador ofrece una forma más rápida de diagnosticar infecciones transmitidas por la sangre (foto cortesía de Melio)

Plataforma sin cultivo identifica rápidamente infecciones del torrente sanguíneo

La sepsis neonatal es una enfermedad potencialmente mortal que se produce por infecciones del torrente sanguíneo en recién nacidos menores de 28 días. Debido a que su sistema inmunitario... Más

Tecnología

ver canal
Imagen: métodos de muestreo de proteínas de película de lágrimas humanas (Foto cortesía de Clinical Proteomics. 2024, 13 de marzo; 21: 23. doi: 10.1186/s12014-024-09475-8)

Nuevo método analiza lágrimas para detectar enfermedades de forma temprana

Los fluidos corporales, incluidas las lágrimas y la saliva, transportan proteínas que se liberan desde diferentes partes del cuerpo. La presencia de proteínas específicas en... Más
Copyright © 2000-2025 Globetech Media. All rights reserved.