单细胞技术和机器学习的结合揭示了癌细胞和免疫系统之间的协作。赫尔辛基大学和阿尔托大学的研究人员已经证明，人体的免疫系统会在一种罕见的血癌中攻击自己。这一发现可以改善治疗并更深入地了解免疫系统在其他癌症中的作用。

目前对大颗粒淋巴细胞 (LGL) 白血病(一种罕见的血癌)的治疗方法是基于对癌细胞攻击身体组织的认识。先前的研究集中在研究这些流氓细胞，以便更好地了解这种疾病。

单细胞技术允许分析单个细胞并将正常细胞与肿瘤细胞(紫色)进行比较。图片来源：克劳迪乌·科塔/阿尔托大学

赫尔辛基大学转化血液学教授 Satu Mustjoki 说：“我们的研究小组十年前证明，LGL 癌细胞通常在 STAT3 基因中发生突变，这一发现现在用于在全球范围内诊断这种疾病。”

虽然很少致命，但血癌会导致多种慢性症状，包括感染风险增加、贫血和关节痛。迄今为止的挑战是患者对治疗的反应不一。

“目前的治疗方法针对的是癌细胞及其脆弱性，”赫尔辛基和阿尔托大学的 Jani Huuhtanen 解释道。“不可能评估哪些患者会对治疗产生反应，因为在某些患者中，活性癌细胞的数量减少了，但症状仍然存在，而对另一些患者来说，情况恰恰相反。”

Satu Mustjoki 的研究小组从传统思维中退后一步，研究其他细胞在免疫系统中的作用。他们使用最新的单细胞技术与阿尔托大学开发的机器学习模型相结合。这使该小组能够揭示人体免疫系统与血癌细胞之间的不利相互作用。

赫尔辛基大学的博士研究员 Dipabarna Bhattacharya 说：“这些患者的免疫系统被过度激活，并不断给肿瘤细胞提示以继续生长并为它们提供有利的环境。”

研究小组证明，在这种类型的白血病中，不仅是癌细胞与不同患者的其他癌细胞不同，而且还有整个免疫系统。这一发现可能对当前的治疗方法产生重要影响。

“我们的研究可以解释观察到的 LGL 癌细胞与症状之间的差异，”Huuhtanen 解释道。'免疫系统一直在与癌细胞合作。因此，未来的治疗应该针对整个免疫系统——不仅仅是癌细胞——以提高患者的生活质量。

通过机器学习的镜子

将与免疫系统相关的正常细胞与血癌细胞分离并非易事，传统方法已经碰壁。在 LGL 白血病中，癌细胞与血液中的正常 T 细胞非常相似。该小组采用单细胞技术和计算生命科学来克服这一挑战。他们首次能够将癌细胞与正常 T 细胞分离并相互比较。

“单细胞技术为研究开辟了全新的途径，”赫尔辛基大学免疫学教授 Tiina Kelkka 说。

这些技术可以量化免疫细胞中的关键受体蛋白，这有助于研究人员更好地了解免疫系统在 LGL 白血病和其他疾病中的作用。这些受体决定了细胞可以对抗什么样的癌细胞或病原体，但先进的机器学习工具必须分析数据。

“这项研究需要几种不同的基于机器学习的计算技术。最新的统计机器学习和人工智能方法已被证明在单细胞数据分析中是有效的，”阿尔托大学计算生物学和机器学习教授 Harri Lähdesmäki 说。

机器学习组件还涉及 由 Aalto 的 计算系统生物学小组开发的开源机器学习模型，该模型也用于研究 2021 年的 SARS-CoV-2 冠状病毒。

“这是医学研究中最有趣的方面，它正在经历重要的计算转型，”正在赫尔辛基大学和阿尔托计算机科学系撰写博士论文的 Huuhtanen 解释说。“这些计算方法使我们能够在没有事先假设的情况下处理医学数据，看看它会把我们带到哪里。”

该研究小组着眼于研究免疫系统在其他癌症类型中的作用，这可能会揭开最关键的健康问题之一的面纱。