Идентификация мишеней для иммунной терапии с помощью машинного обучения и валидация на опухолевых эксплантах пациента

Почему это важно для пациентов с раком

Иммунотерапия изменила уход за больными раком, но большинство пациентов по‑прежнему не получают выгоды от этих мощных препаратов. В этом исследовании представлен новый подход к отбору огромных объёмов биологических данных для поиска перспективных лекарственных мишеней, которые могли бы помочь иммунной системе эффективнее атаковать опухоли. Сочетая продвинутое машинное обучение с тестами на реальных опухолевых образцах пациентов, работа предлагает план действий для открытия следующего поколения стратегий иммунотерапии.

Интеллектуальная карта для поиска новых уязвимых мест в раке

Исследователи создали систему под названием MIDAS, которая рассматривает человеческий организм как сложную сеть взаимодействующих генов и клеток. Вместо того чтобы анализировать один тип данных за раз, MIDAS объединяет множество слоёв информации: изменения ДНК опухоли, активность генов, поведение иммунных клеток в опухоли, какие фрагменты белков появляются на поверхности клеток и как генетические варианты влияют на болезнь. Эти разные подсказки переплетены в единую карту взаимодействий между генами, на которой графовая нейронная сеть обучается распознавать закономерности, отличающие известные мишени иммунотерапии от прочих генов.

Как проверяли обучающую систему

Чтобы убедиться, что MIDAS действительно полезна для поиска лекарственных мишеней, команда провела несколько стресс‑тестов. Во‑первых, они проверили, входили ли гены, начавшие клинические испытания иммунотерапии после 2019 года, в высокие ранги у модели, обученной только на данных до этого года. MIDAS справилась с этой задачей: «будущие» мишени получили более высокие оценки по сравнению с случайными генами. Во‑вторых, система склонна была давать более высокие оценки уже одобренным мишеням иммунотерапии по сравнению с теми, кто всё ещё находится на ранних этапах клинических испытаний, хотя модель не знала, какие гены дошли до этих этапов. В‑третьих, при проверке на новых наборах данных пациентов, не использованных в обучении, MIDAS выявила многие гены с различной активностью у ответивших и неответивших на ингибиторы контрольных точек, что говорит о способности алгоритма улавливать реальные особенности взаимодействия опухоль–иммунитет.

Что модель «узнаёт» об иммунной системе

При заглядывании под капот авторы обнаружили, что MIDAS сильно сосредоточена на путях, уже известных как ключевые для иммунного ответа против рака, таких как сигналы, которые активируют T‑клетки или переводят их в состояние покоя. Особое значение имели признаки, отражающие регуляцию одних генов другими, а также связи с аутоиммунными заболеваниями. Это биологически понятно: гены, которые в аутоиммунных состояниях могут чрезмерно активировать иммунитет, при аккуратном таргетировании могут помочь высвободить иммунную атаку на опухоли. Сеть взаимодействий между генами также оказалась существенной; при случайном перемешивании связей производительность модели резко падала, что показывает: сама структура биологической карты — ключевой компонент.

От компьютерных прогнозов к реальной опухолевой ткани

Используя свой приоритетный список кандидатов, MIDAS выделила сигнальную пару онкостатин M (OSM) и его рецептор OSMR, а также регуляторный фермент PTPN22. Ранние работы на животных намекали, что OSM–OSMR может способствовать формированию среды, благоприятной для опухоли, но этот путь не был подробно изучен в тканях человека. Команда проверила эти мишени на опухолевых эксплантах, полученных от пациентов: небольших фрагментах меланомы, кратко выращиваемых вне организма, сохраняющих исходный состав раковых и иммунных клеток. Блокирование сигнального пути OSM–OSMR в этих эксплантах привело к уменьшению числа так называемых дисфункциональных CD8‑T‑клеток — состояния, связанного с лучшим ответом на иммунотерапию — и к снижению уровней молекулы CCL4, ассоциированной с макрофагами, стимулирующими опухоль. В отличие от этого, ингибирование PTPN22 вызвало более тонкие изменения в поведении Т‑клеток, которые в этой небольшой серии не достигли явной статистической значимости.

Что это значит для будущего лечения рака

В целом исследование показывает, что MIDAS может обрабатывать сложные данные, чтобы выделять лекарственные мишени, имеющие значение в реальных опухолях человека, а не только в клеточных линиях или простых лабораторных моделях. Работа поддерживает идею о том, что сигнальная передача OSM–OSMR способствует формированию иммуноподавляющего микроокружения опухоли и что блокирование этого пути может быть перспективной стратегией иммунотерапии, заслуживающей дальнейшей проверки в онкологии. В более широком плане подход демонстрирует, как сочетание богатых данных от пациентов, сетевого искусственного интеллекта и функциональных тестов на тканях, полученных от пациентов, может сделать поиск новых мишеней для иммунотерапии рака более эффективным и лучше обоснованным в человеческой биологии.

Цитирование: Augustine, M., Nene, N.R., Fu, H. et al. Immunotherapy drug target identification using machine learning and patient-derived tumour explant validation. Nat Mach Intell 8, 670–689 (2026). https://doi.org/10.1038/s42256-026-01201-3

Ключевые слова: иммунотерапия рака, поиск лекарственных мишеней, графовые нейронные сети, микроокружение опухоли, машинное обучение в онкологии