Створення клітин для медичного використання: вивчення мови, яку клітини використовують для спілкування одна з одною

Клітини шлункових залоз

MPI для інфекційної біології

Клітини є будівельними блоками життя. Те, як клітини розпізнають інші клітини та зовнішні сигнали, може призвести до різних біологічних доль, включаючи ріст, смерть і рухливість клітин. Дослідники прагнуть зрозуміти міжклітинний зв’язок, провести його реверсивну інженерію та, зрештою, виліпити взаємодію клітин, яка перевершує природні можливості. Хоча клітинна терапія вже існує, майбутнє такої клітинної терапії, ймовірно, включатиме глибшу модифікацію клітин пацієнта для лікування цілого ряду захворювань і відновлення тканин.

У попередній статті ми розглянули дослідження, яке модульно замінює позаклітинну частину білка для розпізнавання різних лігандів; цей «знову зібраний» білок трансдукує той самий сигнальний шлях, доки трансмембранні та внутрішньоклітинні частини залишаються недоторканими. Тут ми обговорюємо статтю, яка замість цього акцентує увагу на внутрішньоклітинній частині клітини. Дослідники з Каліфорнійського університету в Сан-Франциско теоретично перебудовують сигнальні домени Т-клітин CAR і досліджують можливий вплив на міжклітинний зв’язок.

Створення химерного антигенного рецептора

Химерні антигенні рецептори (CAR) потребують генетичної модифікації для експресії нових синтетичних компонентів. На малюнку 1 показано три основні ділянки Т-клітин CAR: антигензв’язуючий домен, трансмембранний домен і сигнальний домен. Вчені часто зосереджуються на зв’язувальному домені та пристосовують його до конкретної терапевтичної цілі (наприклад, білки, виявлені в ракових клітинах). Проте дослідники зосереджуються на складі сигнального домену та його впливі на продуктивність Т-клітин CAR.

Костимулюючі молекули

Сигнальний домен Т-клітини CAR зазвичай містить молекулу рецептора CD3ζ Т-клітин (TCR) і будь-яку комбінацію костимулюючих молекул. Костимулюючі молекули містять численні сигнальні мотиви або короткі пептиди, які зв’язуються зі специфічними сигнальними молекулами, розташованими нижче. Ці молекули впливають на трансдукцію сигналу Т-клітин із різними ефектами. Два приклади включають 4-1BB, який може збільшити пам’ять і стійкість Т-клітин, і CD28, який пов’язаний з ефективним знищенням Т-клітин, але знижує стійкість Т-клітин.

МАЛЮНОК 1. Конструкцію химерного рецептора антигену можна розділити на три основні області: антиген … [+] домен зв’язування; трансмембранний домен; і домен сигналізації. Сигнальний домен є найбільш актуальним для цього дослідження, оскільки дослідники досліджують можливі комбінації костимулюючих молекул для покращення продуктивності та життєздатності Т-клітин CAR.

Лю та ін.

Розширення можливостей за допомогою машинного навчання

Дослідники з лабораторії Wendell Lim прагнули знайти негласні правила, що регулюють костимуляторну передачу сигналів, і таким чином оптимізувати характеристики CAR T-клітин. Вони володіли бібліотекою синтетичних сигнальних мотивів, машинним навчанням і унікальним концептуальним підходом до виявлення комбінацій, що виходять за рамки природних.

Від слів до речень і до мови

Дослідники шукали природні сигнальні білки, витягували з них сигнальні мотиви та синтетично збирали комбінації сигнальних мотивів, щоб сформувати унікальні сигнальні програми. Цей підхід можна концептуалізувати як дослідження побудови речень.

Малюнок 2 ілюструє це перегрупування різних «слів» — сигнальних мотивів — у різні «речення» або сигнальні програми. Щоб зрозуміти та передбачити «мову» цих комбінацій, команда потім використала алгоритми машинного навчання, які називаються нейронними мережами, щоб виявити базову «граматику» наборів даних. Це виявило важливість порядку слів, значення слів і словосполучень у кінцевому продукті — інакше переформулювавши як вплив ідентичності, функції та розташування сигнального мотиву на фенотип Т-клітин.

Команда кураторів бібліотеки анти-CD19 CAR T-клітин з різними костимулюючими доменами. Кожна клітина містила один, два або три сигнальні мотиви, взяті з природних сигнальних білків (див. Малюнок 2). Команда випадковим чином вставила 12 нативних сигнальних мотивів поряд з одним спейсерним мотивом у позиції i, j і k, щоб отримати загалом 2379 різних конфігурацій мотивів, як показано на малюнку 3.

Далі дослідники перевірили випадкові підмножини з бібліотеки, щоб класифікувати цитотоксичність і здатність Т-клітин до проліферації (стовбурність). Цей процес утворив унікальні та незвичайні комбінації, включаючи комбінації, які можна порівняти з костимуляторною молекулою 4-1BB (наприклад: M10-M1-M1-ζ).

МАЛЮНОК 1: Процедуру, використану в цьому дослідженні, можна зрозуміти через лінзу «формування мови». … [+] Різні комбінації «слів» або сигнальних мотивів від костимулюючих молекул створюють «речення». Алгоритми машинного навчання та нейронні мережі розкопують «граматику» в реченнях, тобто зв’язки між розташуванням певних сигнальних доменів і результуючими характеристиками. Скорочення: scFv, одноланцюговий варіабельний (антитіла) фрагмент.

Деніелс та ін., 2022.

МАЛЮНОК 2: (A) Дослідники шукали природні сигнальні білки, такі як фосфоліпаза C gamma 1 … [+] (PLCg1), щоб створити бібліотеку комбінаторних сигнальних мотивів. Ці білки відіграють роль у різних сигнальних шляхах Т-клітин, таких як активація, диференціювання та проліферація. (B) Бібліотека містила 12 нативних сигнальних мотивів і один спейсерний мотив для загальної кількості 13 мотивів.

Деніелс та ін., 2022.

МАЛЮНОК 3: Команда створила загалом 2379 різних комбінацій мотивів. Усі клітини оснащені … [+] однаковим фрагментом антитіла до CD19 і шарнірним/трансмембранним доменом CD8α. Сигнальний домен містив молекулу CD3ζ поряд з однією, двома або трьома синтетичними костимулюючими молекулами (виділені рожевим). Скорочення: scFv, одноланцюговий варіабельний (антитіла) фрагмент; TMD, трансмембранний домен.

Деніелс та ін., 2022.

Декодування «мови» за допомогою прогнозних нейронних мереж

Згідно з експериментальним аналізом, послідовності сигнального мотиву володіли різними рівнями цитотоксичності та стволовості. Потім команда використала ці дані, щоб зрозуміти невидимі правила, що оточують конструювання костимулюючої молекули.

Штучна нейронна мережа виявилася вирішальною для цього дослідження. Як видно на малюнку 4, дані були розділені для навчання або тестування алгоритму для прогнозування цитотоксичності або стволового рецептора химерного антигену. Цей процес з’ясував кілька зв’язків, таких як здатність 4-1BB-подібних костимулюючих доменів підвищувати цитотоксичність і стебловість.

Успішне передбачення з костимулюючою молекулою M1

Чи може нейронна мережа точно передбачити долю Т-клітини за допомогою певної костимулюючої комбінації? Команда перевірила воду, додавши костимулюючу молекулу M1 до 4-1BB-подібних сигнальних доменів проти CD28-подібних. Нейронна мережа передбачила, що додавання мотивів M1 продемонструє посилену цитотоксичність і стебловість у 4-1BB-подібних доменах, не маючи жодного ефекту в CD28-подібному аналогі.

У моделі in vitro Т-клітини CAR з 4-1BB-подібними доменами та мотивами M1 ефективно вбивали пухлинні клітини та підтримували стовбурові Т-клітини; з іншого боку, додавання мотивів M1 не викликало змін для CD28-подібних похідних. Цей правильний прогноз також перенесено на результати моделі миші. Т-клітини 4-1BB/M1 CAR затримували ріст пухлинних клітин на два тижні довше, ніж Т-клітини 4-1BB тільки CAR. Ці спостереження демонструють, як нейронну мережу можна використовувати для точного прогнозування характеристик Т-клітин залежно від задіяних синтетичних сигнальних мотивів.

МАЛЮНОК 4: 248 комбінацій костимулюючих молекул використовувалися для навчання або тестування нейронної … [+] мережі.

Деніелс та ін., 2022.

Можливості терапії CAR T

Може бути важко передбачити, як компонент синтетичного рецептора вплине на характеристики отриманої клітини. Це дослідження розгадує частину цієї таємниці за допомогою бібліотек сигнальних мотивів і машинного навчання. Аналізуючи комбінації костимулюючих доменів Т-клітин CAR, команда створила нейронну мережу, яка успішно прогнозує фенотип Т-клітин на основі присутніх костимулюючих молекул. Це, у свою чергу, виявило правила костимулюючої передачі сигналів CAR T, які можна використовувати для розробки кращих синтетичних сигнальних доменів. Подібні бібліотеки та наступні аналізи можна застосувати для покращення інших модульних областей Т-клітини CAR.