Nature子刊:人工智能工具揭示了什么吸引免疫细胞聚集到肿瘤处,又是什么阻止它们远离肿瘤

研究人员开发了一种新的人工智能（AI）工具，可以帮助解释免疫细胞在体内的聚集位置以及引导它们聚集到这些位置的因素。

该人工智能工具能够识别与吸引或排斥免疫细胞相关的信号，可用于癌症及其他疾病的治疗。

一项关键发现表明，许多癌症过度产生的糖衣蛋白——粘蛋白，可能形成一道物理屏障，阻止T细胞接近肿瘤。

该工具为研究人员提供了一种新方法，以了解细胞如何在组织中穿行，并识别多种疾病的潜在靶点。

德克萨斯大学MD安德森癌症中心及其德克萨斯州合作机构的研究人员开发了一种人工智能（AI）模型，该模型有助于解释免疫细胞如何到达体内特定位置以及它们为何会避开其他位置。这些发现可能有助于科学家更好地了解癌症、自身免疫性疾病和治疗反应。

该研究发表在《自然生物医学工程》杂志上，由生物信息学和计算生物学副教授王涛博士和基因组医学教授 、细胞语言智能中心执行主任兼负责人 、詹姆斯· P·艾利森研究所?副研究员 、肿瘤数据科学研究所重点领域共同负责人王凌华医学博士共同领导 。

“虽然空间技术可以显示免疫细胞的位置，但这项新工具可以帮助我们研究它们为何聚集在特定区域，以及它们如何到达并识别肿瘤细胞，”王涛说。“通过识别吸引免疫细胞的局部信号以及可能阻碍它们进入肿瘤的潜在障碍，我们或许能够找到可用于改善患者预后的生物标志物和治疗靶点。”

这个新的人工智能工具是如何工作的？

该工具名为细胞参与和募集的空间分析（SPACER），它利用空间转录组学， 这是一种测量完整组织内基因活性的分子技术，可以突出显示哪些基因在表达以及在何处表达。

科学家经常将细胞运动比作邮政系统，但此前他们并未完全了解引导细胞到达正确位置的信号或“邮政编码”。研究人员开发了SPACER，试图解码这些信号。

许多人工智能模型能够做出准确的预测，但它们通常就像“黑箱”，无法解释其得出结论的过程。SPACER 则不同，因为它基于人体组织的实际组织方式构建。该工具并非将细胞视为孤立的单元，而是研究相邻细胞群及其协同作用。这使得模型的预测更容易理解，并有助于研究人员在做出预测的同时，发现新的生物学见解。

研究团队将SPACER应用于代表多种癌症类型的37个数据集。在基准测试任务中，该模型在识别与细胞募集相关的具有生物学意义的信号方面，比现有方法有效4到21倍。

使用SPACER方法最重要的发现是什么？

其中一项最有意义的发现是，免疫细胞似乎主要对周围环境中的信号做出反应，而不是对体内其他部位循环的信号做出反应。  

SPACER研究表明，表达参与抗原呈递（细胞向免疫细胞展示蛋白质片段以供识别的过程）基因的肿瘤更容易吸引T细胞。这提示肿瘤与免疫细胞之间的局部相互作用有助于决定免疫细胞是否进入肿瘤。

此外，研究人员还发现，黏蛋白（一种由多种癌症产生的大型糖衣蛋白）可能有助于形成物理屏障，阻止T细胞接近肿瘤。在多个黑色素瘤和胃癌数据集中，黏蛋白水平较高的肿瘤对免疫检查点抑制剂的反应较差，患者预后也较差。  

SPACER 对其他疾病有效吗？

有趣的是，将SPACER应用于免疫疗法相关心肌炎（或心脏炎症）的临床前模型数据，可以识别出与T细胞募集相关的心脏区域和分子信号。该工具提示，CD4阳性T细胞在驱动严重心脏炎症中可能发挥着比之前认为的更大的作用。

研究人员认为 SPACER 有可能被用作癌症治疗的诊断工具，并有助于更好地了解细胞运动和定位至关重要的疾病和情况，包括自身免疫性疾病、组织修复和伤口愈合。

“我们的目标是了解细胞如何相互沟通，以及这些信号如何影响治疗反应和患者预后。SPACER项目是解码这种‘语言’的重要一步，它使我们能够将组织中观察到的模式与可能解释这些模式的生物学机制联系起来。这有助于我们将这些见解转化为可以在实验室中验证的新想法。”

参考文献

Interpretable AI model reveals spatial codes of cell recruitment in tissues