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

Miembro Oro
Pharmacogenetics Panel
VeriDose Core Panel v2.0
Verification Panels for Assay Development & QC
Seroconversion Panels
New
Anti-HHV-6 IgM Assay
anti-HHV-6 IgM ELISA (semiquant.)
New
Total 25-Hydroxyvitamin D₂ & D₃ Assay
25-OH-VD Reagent Kit

Print article

Canales

Química Clínica

ver canal
Imagen: los pequeños materiales a base de arcilla se pueden personalizar para una variedad de aplicaciones médicas (foto cortesía de Angira Roy y Sam O’Keefe)

Herramienta química a nanoescala 'brillantemente luminosa' mejora detección de enfermedades

Miles de moléculas brillantes disponibles comercialmente, conocidas como fluoróforos, se utilizan comúnmente en imágenes médicas, detección de enfermedades, marcado... Más

Microbiología

ver canal
Imagen: el ensayo de laboratorio en tubo podría mejorar los diagnósticos de TB en áreas rurales o limitadas por recursos (foto cortesía de la Universidad de Tulane/Kenny Lass)

Dispositivo portátil ofrece resultados de tuberculosis económico y rápido

La tuberculosis (TB) sigue siendo la enfermedad infecciosa más mortal a nivel mundial, afectando a aproximadamente 10 millones de personas al año. En 2021, alrededor de 4,2 millones de casos... Más

Tecnología

ver canal
Imagen: el chip de autoevaluación del VIH-1 será capaz de detectar selectivamente el VIH en muestras de sangre entera (foto cortesía de Shutterstock)

Tecnología de microchip desechable podría detectar selectivamente VIH en muestras de sangre completa

A finales de 2023, aproximadamente 40 millones de personas en todo el mundo vivían con VIH, y alrededor de 630.000 personas murieron por enfermedades relacionadas con el sida ese mismo año.... Más
Copyright © 2000-2025 Globetech Media. All rights reserved.