多年来，肿瘤学研究一直在寻找既能杀死癌细胞又不伤害正常组织不受伤害的药物。在两篇新论文中，加州大学旧金山分校和普林斯顿大学的科学家提出了用“智能”细胞疗法来解决这个问题的互补策略——活性药物除非被只在癌细胞中出现的蛋白质组合触发，否则将保持惰性。

几年来，Wendell Lim博士和合成免疫中心的同事们已经对这种特殊方法的生物学方面进行了探索，该中心由UCSF细胞设计计划和国家癌症研究所资助。但这项新工作通过将尖端的治疗细胞工程与先进的计算方法相结合，为这项工作增加了一个强大的新维度。

在2020年9月23日发表在《细胞系统》上的一篇论文中，Lim实验室的成员与普林斯顿大学刘易斯-西格勒综合基因组学研究所和西蒙斯基金会Flatiron研究所的计算机科学家Olga G. Troyanskaya博士的研究小组进行了合作。利用机器学习的方法，研究小组分析了大量的数据库，这些数据库包含在癌症细胞和正常细胞中发现的数千种蛋白质。然后，他们梳理了数百万种可能的蛋白质组合，以组成一个组合，这些组合可以用来精确地瞄准癌细胞，而不影响正常的细胞。

在2020年11月27日发表在《科学》杂志上的另一篇论文中，Lim和他的同事展示了如何利用这些计算得出的蛋白质数据来推动设计有效且高度选择性的癌症细胞疗法。

“目前，大多数癌症治疗，包括细胞治疗，都被告知‘阻止它’或‘杀死它’。” UCSF Helen Diller家庭综合癌症中心的成员、细胞和分子药理学主席Lim说，“我们希望增加治疗细胞做出决定的细微差别和复杂性。”

在过去的十年里，嵌合抗原受体(CAR) T细胞作为一种治疗癌症的有效方法一直备受关注。在CAR T细胞疗法中，免疫系统细胞从病人的血液中提取出来，在实验室中进行操作，使其表达一种特定的受体，这种受体能识别癌细胞上非常特殊的标记或抗原。

虽然科学家已经证明CAR T细胞在白血病和淋巴瘤等血癌中非常有效，有时甚至是治愈性的，但到目前为止，这种方法在乳腺癌、肺癌或肝癌等实体肿瘤中效果并不好。这些实体癌症中的细胞通常与其他组织中的正常细胞具有相同的抗原，这就带来了CAR T细胞可能通过靶向健康器官而产生脱靶效应的风险。同时，实体肿瘤也经常会产生抑制CAR T细胞作用的微环境。

对Lim来说，细胞类似于一个分子计算机，可以感知环境，然后整合信息来做出决定。他说，由于实体瘤比血癌更复杂，“你必须制造更复杂的产品”来对抗它们。

在细胞系统研究中——由Ruth Dannenfelser博士和Gregory Allen博士领导，前者是Troyanskaya在普林斯顿团队的研究生，后者是Lim实验室的临床研究员——研究人员探索了公共数据库，检查了正常细胞和肿瘤细胞中超过2300个基因的表达谱，看看哪种抗原可以帮助区分两者。研究人员使用机器学习技术得出了可能的结果，并观察哪些抗原聚集在一起。

基于这种基因表达分析，Lim、Troyanskaya和同事将布尔逻辑应用于抗原组合，以确定它们是否能显着提高T细胞识别肿瘤的能力，同时忽略正常组织。例如，使用布尔体或非布尔体，肿瘤细胞可以通过标记“A”或“B”与正常组织区分，而不能通过标记“C”区分，其中“C”是只在正常组织中发现的抗原。

为了将这些指令编码到T细胞中，研究人员使用了一种称为synNotch的系统，这是一种可定制的分子传感器，可以让合成生物学家对细胞的编码进行微调。synNotch是Lim实验室于2016年开发的一种受体，可以被设计用来识别大量的靶抗原。synNotch的输出反应也可以被编程，这样，一旦抗原被识别，细胞就会执行一系列反应中的任何一种。

为了证明研究人员收集的数据的潜在有效性，研究小组使用synNotch对T细胞进行编程，以杀死肾癌细胞，这些细胞表达一种被称为CD70和AXL的抗原的独特组合。虽然CD70也存在于健康的免疫细胞中，而AXL也存在于健康的肺细胞中，但T细胞在经过改造的synNotch和逻辑门后，只杀死了癌细胞而不杀死健康细胞。

Troyanskaya说：“癌症的大数据分析领域和细胞工程领域在过去几年都出现了爆炸式发展，但这些进展还没有结合起来。”“治疗细胞的计算能力与机器学习方法相结合，使越来越丰富的癌症基因组和蛋白质组数据得到切实可行的利用。”

由前加州大学旧金山分校研究生Jasper Williams领导的这项研究发表在《科学》杂志，展示了多个synNotch受体是如何被串联起来，从而创造出一系列复杂的癌症识别回路。由于synNotch能够以“即插即用”的方式激活所选基因的表达，这些组件可以以不同的方式连接起来，创建具有不同布尔功能的电路，从而允许对患病细胞进行精确识别，并在这些细胞被识别时做出一系列反应。

Lim说：“这项工作本质上是一本细胞工程手册，它为我们提供了如何构建不同类别的治疗性T细胞的蓝图，这些T细胞可以识别癌细胞上可能存在的几乎任何一种组合抗原模式。”

例如，synNotch受体可以改造，因此当它识别抗原时，细胞制造第二个synNotch，可以识别B细胞，进而诱发能识别抗原C的CAR表达。结果是一个T细胞，需要这三种抗原的存在引发死亡。在另一个例子中，如果T细胞遇到了存在于正常组织而非癌症组织中的抗原，一个具有非功能的synNotch受体可以被编程使携带它的T细胞死亡，使正常细胞免受攻击和可能的毒性作用。

在《科学》杂志的论文中，使用像这样复杂的synNotch配置，Lim和同事表明他们可以选择性地杀死携带不同黑色素瘤和乳腺癌组合标记的细胞。此外，当携带s synNotch的T细胞被注射到携带两种不同抗原组合的相似肿瘤的小鼠体内时，T细胞有效而精确地定位了它们被设计用来检测的肿瘤，并可靠地执行了科学家设计的细胞程序。

Lim的团队目前正在探索如何将这些回路用于CAR T细胞来治疗胶质母细胞瘤，这是一种侵袭性的脑癌，几乎总是致命，常规疗法毫无办法。

“你不只是在寻找一个魔法子弹目标。你要利用所有的数据。” Lim 说，“我们需要梳理所有可用的癌症数据，以找到明确的癌症组合特征。如果我们能做到这一点，那么就可以开始使用这些更智能的细胞，真正利用复杂的生物学计算技术，并对抗击癌症产生真正的影响。”(生物谷世联博研Bioexcellence）

小编推荐会议  2021（第十二届）细胞治疗线上国际研讨会

http://meeting.世联博研Bioexcellence/2021cell-therapies？__token=liaodefeng