免疫細胞浸潤和細胞毒作用在炎癥和免疫治療中起著至關重要的作用。然而，目前的癌癥免疫治療篩選方法忽略了T細胞穿透腫瘤間質的浸潤能力，從而極大地限制了實體瘤有效治療的發展。

近日，美國印第安納大學伯明頓分校郭峰團隊在 PNAS 期刊發表了題為：Microfluidics guided by deep learning for cancer immunotherapy screening 的研究論文。 該研究開發了一種平臺工具，將微流控與深度學習技術相結合，有效地識別促進T細胞腫瘤浸潤和提高癌癥免疫治療效果的表觀遺傳藥物，從而幫助改善癌癥免疫治療。

該論文的通訊作者郭峰教授表示，該研究開發的平臺非常獨特，能夠觀察不同的療法如何影響對目標癌細胞的殺傷，甚至是T細胞腫瘤浸潤情況。 微流控（microfluidics），也被形象地成為芯片實驗室（lab-on-a-chip），是在微觀通道中進行流體操作的技術，本質上是將不同的實驗室功能縮小到一個微芯片上。 深度學習（Deep Learning）是受生物神經網絡啟發的基于計算系統的機器學習，屬于人工智能（AI）技術。 實體瘤占據了人類癌癥的絕大部分。然而，目前的癌癥免疫治療篩查方法忽略了T細胞等免疫細胞穿透實體瘤組織的能力。

癌癥免疫療法取得了非常大的成功，但對于實體瘤而言，仍然面臨著巨大挑戰，很難開發出既能浸潤到實體瘤組織中，又能有效殺傷腫瘤細胞的有效療法。 在這項研究中，研究團隊希望開發出一種新的腫瘤免疫治療篩查平臺，可以動態跟蹤T細胞的腫瘤浸潤及對腫瘤細胞的殺傷情況，從而能夠以高通量和自動化的方式掃描許多潛在抗癌藥物。

研究團隊利用臨床數據訓練了一種深度學習算法，包括實體腫瘤的數字化圖像和患者生存數據。然后，他們將這種深度學習算法與微流控平臺集成，提出了一個自動化高通量微流控平臺，用于實時跟蹤三D腫瘤培養中T細胞浸潤和細胞毒作用的動態。該平臺可以模擬腫瘤免疫，并篩選新的免疫療法，促進T細胞腫瘤浸潤和殺死癌細胞。

通過使用基于臨床數據驅動深度學習方法的臨床腫瘤浸潤淋巴細胞（TIL）評分分析儀，該平臺可以根據T細胞浸潤模式評分來評估每種治療的療效。 使用該平臺，研究團隊對一個藥物庫進行了篩選，發現一種表觀遺傳藥物——賴氨酸特異性組蛋白去甲基化酶1抑制劑（LSD1i），可以有效促進T細胞腫瘤浸潤，并與免疫檢查點抑制劑（anti-PD1）聯合使用，在體內提高癌癥治療效果。 總的來說，該研究開發了一種用于篩選T細胞-實體瘤相互作用的自動化系統和策略，以高通量篩選腫瘤免疫療法及聯合療法。

研究團隊表示，這種智能微流控平臺，對于解決實體瘤免疫治療具有很大的潛力。此外，該平臺還可以用于腫瘤學以外的領域，例如免疫學、神經學、微生物學、組織工程、再生醫學、轉化醫學等。這項研究代表了科學于技術的強大力量，具有改變醫學研究的潛力。

免責聲明：文章來源網絡  以傳播知識、有益學習和研究為宗旨。 轉載僅供參考學習及傳遞有用信息，版權歸原作者所有，如侵犯權益，請聯系刪除。