作为人类健康的最大“杀手”，几乎每年都有数以百万计的人因癌症而死亡。尽管近年来医学治疗水平得到了快速提升，但仍旧对大多数癌症束手无策。不过，随着人工智能技术在临床医学上得到广泛应用，似乎使得这一难题迎来了解决的契机。

　　再生医学网获悉，近日，一篇发表在国际杂志Nature Machine Intelligence上题为“Deep learning-based prediction of the T cell receptor–antigen binding specificity”的研究报告中，来自德克萨斯大学西南医学中心等机构的科学家们通过研究开发了一种人工智能技术，其或能识别出被机体免疫系统所识别的癌细胞表面的肽类，即新抗原。

　　这种名为pMTnet的新型人工智能技术或有望帮助研究者开发新方法来预测癌症患者的治疗预后以及对免疫疗法的潜在反应。研究者Tao Wang教授表示，确定哪些新抗原能与T细胞受体结合，哪些不能结合似乎是一项不太可能完成的任务；但利用机器学习手段，我们就能取得重大进展。癌细胞中基因组的突变会导致其表面展现出不同的新抗原，其中一些新抗原就能被捕捉癌症迹象和外来入侵者的免疫T细胞所识别，从而就会促进癌细胞被宿主机体免疫系统所破坏，然而，其它新抗原似乎对T细胞隐身了，从而就会促进癌症受控生长。

　　对于免疫系统来讲，新抗原的存在是正常细胞和肿瘤细胞之间最大的区别之一，如果我们能弄清楚哪些新抗原能刺激机体的免疫反应，随后就能以多种方式来利用这一知识从而对抗癌症。能够预测哪些新抗原被T细胞所识别能够帮助科学家们开发个体化癌症疫苗，并设计更好的基于T细胞的疗法，或预测患者对其它免疫疗法的反应程度，但有数以万计的不同的新抗原，而且预测哪种新抗原能诱发T细胞反应的方法也被证明比较耗时，且在技术上具有一定的挑战性，成本也较为高昂。

　　这篇研究报告中，研究人员转而利用机器学习手段来进行研究，他们利用来自三种组分已知结合或不结合的组合的数据：新抗原、主要组织相容性复合物（MHCs，主要存在于癌细胞表面呈现的新抗原上）和负责识别新抗原-MHC复合体的T细胞受体（TCRs），通过训练一种名为pMTnet的基于深度学习的算法；随后研究人员利用从30项不同的研究中开发的数据集来测试这种新型算法，这些研究通过实验性的手段识别出了结合或不结合的新抗原T细胞受体对，结果表明，这种新型算法具有很高的准确性。

　　研究人员利用这种新型工具获得了对癌症基因组图谱（拥有超过1.1万个原发性肿瘤相关信息的公共数据库）中新抗原的相关见解，pMTnet算法研究结果显示，与肿瘤相关的抗原相比，新抗原通常会诱发更强的免疫反应，同时其还能预测哪些患者对免疫检查点阻滞疗法有更好的反应，以及能给患者带来更好的总体生存率。综上，本文研究结果表明，利用pMTnet作为一种新型工具或能深入研究并分析人类肿瘤中T细胞受体和主要组织相容性复合物之间的密切相互作用。

　　人工智能作为近年来发展最快的新兴技术之一，已在各个领域得到了广泛应用。特别是在医疗和药品研发领域，人工智能更是发挥出超乎常人想象的作用。对此，再生医学网表示，通过人工智能大数据的运算处理，能够在较短时间内完成惊人的试验数据对比，从而能够显著缩短相关药物和疗法研发所需要的时间。