Исследователи из Института иммунотерапии рака Блумберга ~ Киммеля при онкологическом центре Джонса Хопкинса Киммела разработали DeepTCR, программный пакет, который использует алгоритмы глубокого обучения для анализа данных секвенирования Т-клеточных рецепторов (TCR). Рецепторы Т-клеток находятся на поверхности иммунных Т-клеток. Эти рецепторы связываются с определенными антигенами или белками, обнаруженными на аномальных клетках, таких как раковые клетки и клетки, инфицированные вирусом или бактериями, чтобы направлять Т-клетки для атаки и уничтожения пораженных клеток.
«DeepTCR — это программное обеспечение с открытым исходным кодом, которое можно использовать для ответа на вопросы в исследованиях инфекционных заболеваний, иммунологии рака и аутоиммунных заболеваний; в любом месте, где иммунная система играет роль через свои Т-клеточные рецепторы», — сказал ведущий автор исследования Джон- Уильям Сидхом, доктор медицинских наук. студент Медицинской школы Университета Джона Хопкинса и факультета биомедицинской инженерии, работающий в Институте иммунотерапии рака Bloomberg ~ Kimmel.
Исследование было опубликовано 11 марта в Nature Communications .
Сидхом был вдохновлен на разработку программного обеспечения после посещения презентации об использовании глубокого обучения в медицинских науках на встрече Американской ассоциации исследований рака в 2017 году. «Я проводил исследования по секвенированию Т-клеточных рецепторов, и меня поразило, что это была правильная технология для лучшего анализа данных секвенирования Т-клеток», — говорит он.
Глубокое обучение — это форма искусственного интеллекта, которая примерно имитирует работу человеческого мозга с точки зрения распознавания образов. «Глубокое обучение — это очень гибкий и мощный способ распознавания образов любого типа данных. В этой статье мы используем глубокое обучение для выявления закономерностей в секвенировании данных рецептора Т-клеток», — говорит Сидхом, добавляя, что способ Программное обеспечение исследует рецепторы Т-клеток аналогично поиску в Интернете. «Когда кто-то выполняет поиск в Интернете изображения кошек или собак, запрос не включает поиск изображений с подписью, обозначающей изображение кошки или собаки, а скорее применяет алгоритм, который исследует особенности изображений. и распознает шаблоны, которые идентифицируют изображения как кошку или собаку. Это глубокое обучение «.
DeepTCR — это комплексная структура глубокого обучения, которая включает в себя как неконтролируемые, так и контролируемые модели глубокого обучения, которые можно применять на уровне последовательности и выборки. Сидхом говорит, что неконтролируемые подходы позволяют исследователям анализировать свои данные в исследовательской манере, где могут не быть известных иммунных воздействий, а контролируемые подходы позволят исследователям использовать известные воздействия для улучшения изучения моделей. В результате, по его словам, DeepTCR позволит исследователям изучить функцию иммунного ответа Т-клеток в фундаментальных и клинических науках, выявляя паттерны в рецепторах, которые обеспечивают функцию Т-лимфоцитов по распознаванию и уничтожению патологических клеток.