Deense en Amerikaanse onderzoekers hebben een AI-platform ontwikkeld dat eiwitcomponenten kan aanpassen om de immuuncellen van een patiënt te bewapenen in de strijd tegen kanker. Het platform is ontwikkeld door een team van de Deense Technische Universiteit (DTU) en het Amerikaanse Scripps Research Institute. Het moet een grote uitdaging in de kankerimmunotherapie oplossen door te tonen hoe wetenschappers doelgerichte behandelingen voor tumorcellen kunnen genereren en schade aan gezond weefsel kunnen voorkomen.
De nieuwe methode, gepubliceerd in het wetenschappelijke tijdschrift Science, toont volgens de Deense Technische Universiteit voor het eerst aan dat het mogelijk is om eiwitten in de computer te ontwerpen die immuuncellen via zogeheten pMHC-moleculen kunnen omleiden naar kankercellen. Dit verkort het proces van het vinden van effectieve moleculen voor kankerbehandeling aanzienlijk: van jaren tot 4-6 weken. Peptide-MHC (pMHC)-moleculen worden gevormd door MHC-moleculen (Major Histocompatibility Complex) en een peptide - kleine stukjes eiwit die door het lichaam worden gepresenteerd op het celoppervlak, waar ze worden herkend door T-cellen.
Nieuwe kijk
"We creëren in wezen een nieuwe kijk op het immuunsysteem”, vertelt universitair hoofddocent aan de DTU en medeauteur van de studie, Timothy P. Jenkins. “Huidige methoden voor individuele kankerbehandeling zijn gebaseerd op het vinden van zogenaamde T-celreceptoren in het immuunsysteem van een patiënt of donor die kunnen worden gebruikt voor behandeling. Dit is zeer tijdrovend en uitdagend. Ons platform ontwerpt moleculaire sleutels om kankercellen aan te pakken met behulp van het AI-platform, en het doet dit met een ongelooflijke snelheid, zodat een nieuw molecuul – dat werkt als een soort moleculaire raket - binnen 4-6 weken klaar kan zijn."
Normaal gesproken identificeren T-cellen kankercellen op natuurlijke wijze door specifieke eiwitfragmenten - peptiden - te herkennen. Deze fragmenten worden op het celoppervlak gepresenteerd door pMHC-moleculen. Het proces om deze kennis te gebruiken voor therapie is echter langzaam en uitdagend, vaak omdat de variatie in de T-celreceptoren van het lichaam het ontwikkelen van een gepersonaliseerde behandeling bemoeilijkt.
Kracht AI-platform
In de Deens-Amerikaanse studie hebben de onderzoekers de kracht van het AI-platform uitgetest op een bekend kankerdoelwit, NY-ESO-1, dat voorkomt in een breed scala aan kankersoorten. Het team slaagde erin een ‘minibinder’ te ontwerpen die zich sterk bindt aan de NY-ESO-1 pMHC-moleculen.
Toen het ontworpen eiwit in T-cellen werd ingebracht, creëerde het een uniek nieuw celproduct, door de onderzoekers 'IMPAC-T'-cellen genoemd, dat de T-cellen effectief begeleidde bij het doden van kankercellen in laboratoriumexperimenten. "Het was ongelooflijk spannend om deze minibinders, die volledig op een computer zijn gemaakt, zo effectief in het laboratorium te zien werken", aldus postdoc Kristoffer Haurum Johansen, co-auteur van de studie en onderzoeker aan de DTU.
De onderzoekers pasten de methode ook toe om binders te ontwerpen voor een kankerdoel dat is geïdentificeerd bij een patiënt met gemetastaseerd melanoom. Ook hier genereerden zij succesvol binders voor het doelwit. Op basis hiervan werd de conclusie getrokken dat de methode ook kan worden gebruikt voor immunotherapie op maat tegen nieuwe kankerdoelwitten.
Cruciale stap
Een cruciale stap in de studie was de ontwikkeling van een 'virtuele veiligheidscheck'. Het onderzoeksteam gebruikte een AI-platform om hun ontworpen minibinders te screenen en te beoordelen in relatie tot pMHC-moleculen die op gezonde cellen worden aangetroffen. Deze methode stelde hen in staat om minibinders die gevaarlijke bijwerkingen konden veroorzaken eruit te filteren voordat er experimenten werden uitgevoerd.
"Precisie in de kankerbehandeling is cruciaal”, stelt Sine Reker Hadrup, hoogleraar aan de DTU en co-auteur van de studie. “Door kruisreacties al in de ontwerpfase te voorspellen en uit te sluiten, konden we het risico dat gepaard gaat met de ontworpen eiwitten verminderen en de kans vergroten dat we een veilige en effectieve therapie ontwikkelen."
Vijfjarig traject
Medeauteur Patrick Jenkins verwacht dat het tot vijf jaar zal duren voordat de nieuwe methode klaar is voor de eerste klinische studies bij mensen. Tegen die tijd zal het behandelingsproces lijken op de huidige kankerbehandelingen met genetisch gemodificeerde T-cellen (CAR-T-cellen) die nu worden gebruikt voor de behandeling van lymfoom en leukemie.
Kankerpatiënten zullen dan eerst bloed laten afnemen in het ziekenhuis, vergelijkbaar met een routinematige bloedtest. Hun immuuncellen worden vervolgens uit dit bloedmonster gehaald en in het laboratorium aangepast om de door AI ontworpen minibinders te dragen. Deze verbeterde immuuncellen worden teruggegeven aan de patiënt, waar ze als gerichte projectielen fungeren en kankercellen in het lichaam nauwkeurig opsporen en elimineren.
Inzet AI bij kanker
AI-toepassingen en -algoritmen worden al langer ingezet bij diagnostiek en voorspelling van de ontwikkeling van kanker. Ook medicatie-ontwikkeling kan versneld worden. Onderzoekers van The Institute of Cancer Research (ICR) in Londen hebben eerder dit jaar een AI-technologie ontwikkeld die op basis van veranderende celvormen kan voorspellen hoe kankercellen reageren op nieuwe medicijnen.
Deze innovatieve benadering maakt het mogelijk om medicijnen sneller en efficiënter te testen, waardoor nieuwe behandelingen jaren eerder beschikbaar kunnen zijn voor patiënten. De technologie maakt gebruik van 3D-beeldvorming en deep learning om de karakteristieke’ vingerafdruk’ van een cel te analyseren. Bij andere methoden, konden tot nu toe alleen ‘platte’ 2D-beelden gebruikt worden.
Publicatie in Science, 24 juli 2025: 'De novo-designed pMHC binders facilitate T cell-mediated cytotoxicity toward cancer cells', K.H. Johansen et al.
