Quando uma célula do corpo sofre uma mutação que interfere com seu ciclo de reprodução, ela começa a se dividir descontroladamente, o que indica o início de um câncer. Entretanto, essas mutações também podem fazer com que a célula passe a expressar em sua superfície moléculas chamadas de neoantígenos, que podem ser identificados pelas células T do sistema imunológico, o qual elimina a ameaça antes que ela prolifere. Somente quando este reconhecimento é ineficaz é que a doença prevalece e se manifesta.
Desvendar como essas moléculas interagem com o sistema imunológico traria enormes benefícios à medicina do câncer, pois possibilitaria o desenvolvimento de vacinas e terapias imunológicas personalizadas. Entretanto, descobrir quais neoantígenos são reconhecidos pelos receptores das células T não é fácil, pois das milhares de combinações possíveis, apenas uma pequena proporção elicita uma resposta imune, e seu estudo demanda técnicas avançadas de análise lenta.
Dada a vastidão de dados envolvidos nesta análise, pesquisadores da Universidade do Texas, nos Estados Unidos, resolveram recorrer à inteligência artificial para trazer novos insights sobre o fenômeno. No estudo, os cientistas descrevem como aplicaram transfer learning para desenvolver uma rede neural, batizada de pMTnet, que foi treinada para prever as combinações com maior compatibilidade, usando dados de receptores das células T e neoantígenos cuja característica de ligação já era conhecida. O desenvolvimento foi testado com um dataset composto de 30 estudos onde a afinidade dessas moléculas foi avaliada experimentalmente, revelando elevada acurácia.
Numa segunda fase, o algoritmo foi utilizado para avaliar neoantígenos catalogados no Atlas do Genoma do Câncer, revelando que eles têm um maior potencial para ativar o sistema imunológico do que antígenos costumeiramente associados a tumores. O sistema também foi capaz de prever quais pacientes apresentavam melhor resposta a terapias imunológicas e maior taxa de sobrevivência.
Esta pesquisa deve servir de base para descobrir quais antígenos são melhor reconhecimentos pelas células T, e assim permitir o desenvolvimento de terapias mais eficazes.
