公眾號/? ScienceAI（ID：Philosophyai）

編輯 | 蘿卜皮

治療性抗體廣泛用于治療嚴(yán)重疾病。它們中的大多數(shù)會改變免疫細(xì)胞并在免疫突觸內(nèi)發(fā)揮作用。指導(dǎo)體液免疫反應(yīng)的重要細(xì)胞間相互作用。盡管生成并評估了許多抗體設(shè)計，但缺乏用于系統(tǒng)抗體表征和功能預(yù)測的高通量工具。

德國環(huán)境健康研究中心（German Research Center for Environmental Health）和羅氏制藥（Roche）的研究團(tuán)隊，開發(fā)了一個全面的開源框架 scifAI（單細(xì)胞成像流式細(xì)胞術(shù) AI），用于對成像流式細(xì)胞術(shù) (IFC) 數(shù)據(jù) 進(jìn)行預(yù)處理、特征工程和可解釋的預(yù)測 機(jī)器學(xué)習(xí) 。

該研究以「Explainable machine learning for profiling the immunological synapse and functional characterization of therapeutic antibodies」為題，于 2023 年 11 月 30 日發(fā)布在《Nature Communications》。

免疫突觸的形成是 T 細(xì)胞與其相應(yīng)的抗原呈遞細(xì)胞（APC）相互作用誘導(dǎo)的適應(yīng)性免疫反應(yīng)的第一個事件。這種快速形成的細(xì)胞-細(xì)胞界面是由 T 細(xì)胞受體（TCR）識別負(fù)載肽的主要組織相容性復(fù)合物（MHC）啟動的。它涉及細(xì)胞骨架肌動蛋白絲的重排以及向新生突觸招募信號分子、共刺激分子、共抑制分子和粘附分子。

這一過程對于觸發(fā)和微調(diào) T 細(xì)胞反應(yīng)并確保完整的免疫反應(yīng)至關(guān)重要。在幾種免疫相關(guān)疾病中觀察到功能失調(diào)的免疫突觸形成，因此被認(rèn)為是通過調(diào)節(jié)其組裝或功能來刺激或抑制免疫反應(yīng)的潛在靶標(biāo)。例如，開發(fā)了各種改變免疫突觸形成的治療性抗體，以治療癌癥和自身免疫性疾病。

盡管近年來在開發(fā)免疫突觸靶向劑方面取得了重大進(jìn)展，但仍然需要進(jìn)一步完善化合物，特別是提高其功效。已經(jīng)確定抗體大小和形式、劑量以及靶標(biāo)表達(dá)可能是免疫突觸形成及其對 T 細(xì)胞功能影響的關(guān)鍵參數(shù)。

然而，到目前為止，還沒有研究提供一種工具來系統(tǒng)地量化和表征免疫突觸的形態(tài)，研究其與 T 細(xì)胞反應(yīng)的相關(guān)性，或識別預(yù)測抗體體外功效的特性。因此，只有一組與研究免疫突觸相關(guān)的文獻(xiàn)指導(dǎo)的熒光染色被設(shè)置在其他非目標(biāo)方法中，從而允許探索廣泛的可能特征。

為此目的進(jìn)行高通量數(shù)據(jù)采集的關(guān)鍵技術(shù)是成像流式細(xì)胞術(shù)（IFC），它將傳統(tǒng)流式細(xì)胞術(shù)的優(yōu)點與單細(xì)胞水平的深度多通道成像相結(jié)合。IFC 最近已成功應(yīng)用于可視化和量化原代人 T:APC 細(xì)胞綴合物的免疫突觸。然而，這些研究都沒有調(diào)查 T 細(xì)胞功能中免疫突觸的形成。

最近的研究證明了機(jī)器學(xué)習(xí)算法在對高通量成像數(shù)據(jù)進(jìn)行更穩(wěn)健和更準(zhǔn)確的分析方面的潛力，這種方法已被證明可以克服傳統(tǒng)門控策略的局限性。利用機(jī)器學(xué)習(xí)進(jìn)行 IFC 數(shù)據(jù)分析還能夠識別細(xì)胞中的形態(tài)模式，結(jié)合 RNA 和蛋白質(zhì)數(shù)據(jù)分析，并實施預(yù)測模型。

圖示：可解釋的機(jī)器學(xué)習(xí)可以根據(jù) IFC 數(shù)據(jù)準(zhǔn)確預(yù)測免疫相關(guān)的細(xì)胞類別，并識別信息最豐富的圖像特征。（來源：論文）

在這里，德國環(huán)境健康研究中心和羅氏制藥的研究人員提出了 scifAI，這是一種機(jī)器學(xué)習(xí)框架，用于基于模塊化開源實現(xiàn)對高通量成像數(shù)據(jù)進(jìn)行高效且可解釋的分析。

該團(tuán)隊還發(fā)布了最大的公開多通道 IFC 數(shù)據(jù)集，其中包含來自多個捐贈者的超過 280 萬張原代人類 T-B 細(xì)胞綴合物圖像，并演示了如何使用 scifAI 來檢測模式和構(gòu)建預(yù)測模型。

論文中，該團(tuán)隊展示了 scifAI 框架在以下方面的潛力：

（1）預(yù)測免疫相關(guān)細(xì)胞類別頻率；

（2）免疫突觸的系統(tǒng)形態(tài)學(xué)分析；

（3）供體間、實驗間和實驗內(nèi)變異性的研究；

（4）治療性抗體作用模式的表征；

（5）其體外功能的預(yù)測。

將使用 IFC 的免疫突觸高通量成像與嚴(yán)格的數(shù)據(jù)預(yù)處理和機(jī)器學(xué)習(xí)相結(jié)合，使制藥行業(yè)的研究人員能夠篩選新型候選抗體，并在功能、作用模式見解和抗體特性方面改進(jìn)對先導(dǎo)分子的評估，例如親和力、親和力和格式。

論文鏈接：https://www.nature.com/articles/s41467-023-43429-2