利用人工智能识别和靶向新型细胞-细胞相互作用

188金宝搏备用最近有幸与Sam Cooper交谈，他是Phenomic人工智能．Cooper讨论了该公司如何利用先进的机器学习技术来研究导致许多疾病机制的细胞-细胞相互作用。

特别令人感兴趣的是肿瘤间质，它已被证明与对全身治疗的耐药性有关。基质包括基底膜、成纤维细胞、细胞外基质和脉管系统，以及包括癌症相关成纤维细胞(CAFs)在内的各种细胞类型。CAFs促进癌症的发展因此需要进一步的审问——库珀详细阐述了Phenomic AI在这一领域的工作。

Laura Lansdowne (LL):你能告诉我们的读者一些关于你自己、你的职业以及你是如何在2017年创立Phenomic AI的吗?

山姆·库珀(SC):我在伦敦帝国理工学院和癌症研究所(英国)的指导下完成了我的博士学位格伦教授他是化学信息学的早期先驱Chris Bakal教授是高含量筛查领域的领导者。作为两个伟大实验室的一员，这两个实验室都处于使用机器学习(ML)解决生物学和药物发现问题的前沿，这使我能够很好地理解在制药管道中如何将ML应用到最大效果。

博士学位快结束时，我加入了细胞数据协会(CytoData society)，这是一个由安妮·卡彭特(Anne Carpenter)在布罗德的小组组成的高含量图像分析人员的小社区;以细胞绘画试验而闻名。我在那里遇到了我的联合创始人Oren，他正在将深度学习(DL)技术应用于高内容分析，这解决了我在博士期间使用传统ML方法遇到的许多问题。他在多伦多开了一家公司——Phenomic AI，所以我办好了去加拿大的签证，跳过池塘，Phenomic就在奥伦的客厅里开始了。

今天李华学了两个常用语。一个是Cell-cell interaction，意思是细胞间的相互作用。为什么会这样?

SC:不同细胞类型之间的相互作用往往被忽视，因为大多数高通量药物发现工作流程都专注于孤立生长的细胞，或添加外源性因子，如细胞因子。这意味着细胞-细胞相互作用通常出现在低通量，例如小鼠敲除研究。因此，通过使用复杂的多细胞技术，使用更强力/高通量的方法来识别疾病驱动的细胞-细胞相互作用是一个重要的机会在体外模型。

然而，主要的障碍存在，阻止广泛吸收多细胞在体外模型。具体来说，对于传统终点来说，解除靶标抑制的影响(当涉及许多细胞类型时)是非常困难的。例如，在没有单单元读出的情况下，需要运行许多计数器屏幕来确定哪些效果是在目标上的，哪些是偏离目标的。对于单细胞终点，如高含量成像或高通量流式细胞术，反褶积很简单——然后的挑战是有效分析大型高维数据集。这就是ML/DL发挥作用的地方，也是我们认为识别新生物学的重要机会所在。

今天李华学了两个常词:肿瘤间质与免疫治疗反应的关系。

SC:肿瘤间质越来越被认为是免疫检查点抑制剂耐药性的关键驱动因素。这在很大程度上是由于我们对转化生长因子β (TGF-β)的日益了解，以及它在推动形成抑制间质壁方面所起的作用，抑制间质壁锁住我们的免疫细胞，阻止它们杀死癌细胞。基因泰克(Genentech)的Shannon Turley团队最近的工作证明了这一点的重要性，他们表明，单独的TGF-β治疗对肿瘤生长几乎没有影响在体外， TGF-β显著增强免疫检查点抑制(PD-L1阻断)的作用。一些研究TGF-β疗法与免疫检查点抑制剂联合应用的临床试验正在进行中。

我们认为TGF-β只是冰山一角，许多基质因子正在推动免疫治疗耐药性，这些因子的相对重要性在不同的癌症之间有所不同。有了精确的生物学，我们认为基质生物学将不可避免地引领第二波免疫疗法，这一次将打开实体肿瘤进行攻击。

那phenic AI公司是如何利用人工智能和机器学习的方法来开发基质靶向药物的呢?

SC:我们使用ML来处理来自我们内部发现工作以及我们的学术合作者的复杂多细胞实验数据。与许多生物技术不同的是，我们的深度学习工具可以让我们处理成纤维细胞、癌细胞和免疫细胞共培养的高度复杂的成像数据。该系统非常适合于询问诱导癌症相关成纤维细胞(CAFs)或由CAFs分泌并反过来抑制其他免疫细胞类型的癌细胞分泌靶点。

此外，我们最近加倍使用在体外scRNA端点，以进一步了解我们的目标抑制剂引起的细胞类型的机制变化。除此之外，我们现在已经展示了DL工具可以用于映射在体外数据直接返回到人体组织数据集，为我们提供了理解的关键参考点:(1)我们的分析有多相关;(2)药物是否将细胞推向更理想的炎症状态。

总的来说，我们认为这些工具将是解决基质/CAF生物学长期困惑的关键。

今天李华学到了两个抗癌药物的靶点。

SC:与著名的毒品猎人合作，迈克Briskin今年早些时候，我们正在研究一组基质靶点，我们认为这些靶点在支持不同癌症的肿瘤微环境方面发挥着关键作用。

我们的主要靶点似乎与将成纤维细胞转化为CAFs和抑制免疫细胞有关，与TGF-β类似。我们现在在运行在活的有机体内概念验证研究进一步确立了我们认为它在推动免疫检查点抑制剂耐药性方面所起的作用;人们急切地期待着本季度的业绩。

随着许多其他目标的出现，我们预计今年将是该公司转型的一年。

Sam Cooper接受了科技网络执行编辑Laura Elizabeth Lansdowne的采访。188金宝搏备用