Achilles Therapeutics plc a annoncé que la nouvelle application d'IA de la société, entraînée avec des données réelles exclusives, a surpassé les méthodes actuelles d'IA et de non-AI pour la prédiction de l'immunogénicité des néoantigènes dans une analyse récente, permettant l'identification des néoantigènes clonaux les plus puissants pour les thérapies personnalisées contre le cancer. De plus amples détails sur cette nouvelle capacité de la plateforme bioinformatique PELEUSo de la société, alimentée par l'IA, devraient être présentés lors d'une prochaine réunion scientifique. Parmi le grand nombre de néoantigènes initialement identifiés dans la tumeur d'un patient, seule une fraction produira des réponses de cellules T susceptibles d'apporter un bénéfice clinique.

Achilles a développé un outil d'intelligence artificielle pour permettre l'identification prospective des néoantigènes les plus puissants. Le nouveau module PELEUSo de classement de l'immunogénicité des néoantigènes a été entraîné et validé avec des données provenant de plus de 10 000 néoantigènes issus de l'identification in-silico, de l'expansion et de la caractérisation de clones de cellules T. Grâce à ce nouvel outil, l'équipe PELEUSo peut désormais identifier les néoantigènes les plus puissants. Grâce à ce nouvel outil, la plateforme PELEUSo peut prédire avec précision quels néoantigènes sont les plus susceptibles de générer une réponse puissante des cellules T, soutenant ainsi la mise en œuvre potentielle de la plateforme dans les programmes cliniques en cours de la société basés sur les TIL dans le cancer du poumon non à petites cellules avancé (NSCLC) et le mélanome, et dans d'autres modalités, y compris les vaccins clonaux contre le cancer à base de néoantigènes.

L'analyse menée par l'équipe de bioinformatique et de science des données d'Achilles a démontré que la plateforme PELEUSo offrait une performance de classement significativement améliorée par rapport aux méthodes de pointe actuellement utilisées, telle que mesurée par oReceiver Operating Characteristic Area Under the Curveo (ROC AUC). La ROC AUC évalue la performance d'un modèle d'apprentissage automatique pour prédire les néoantigènes qui sont confirmés in vivo. L'outil de classement de l'immunogénicité de PELEUSo AI a été développé et entraîné à l'aide de données réelles exclusives provenant du matériel de patients du programme d'acquisition de matériel (MAP) d'Achilles, de l'essai CHIRON en cours chez des patients atteints de CBNPC avancé et de l'essai THETIS chez des patients atteints de mélanome récurrent ou métastatique.

Les méthodes d'IA actuelles sont entraînées sur des données accessibles au public provenant de sources telles que la base de données d'épitopes immunitaires (IEDB), une ressource librement accessible financée par l'Institut national des allergies et des maladies infectieuses (NIAID).