Modelos de genoma avançam no design de vacinas contra câncer

Tese e contexto

A Radical Numerics afirma ter pós-treinado o Omnii, seu modelo de linguagem de genoma multimodal, para o desenho ponta a ponta de vacinas personalizadas contra o câncer. A empresa descreve a vacina contra câncer como terapêutica, para pacientes que já têm a doença: em vez de prevenir uma infecção, ela ensina o sistema imunológico a reconhecer e atacar células tumorais. O texto parte do resultado da Moderna e da Merck, que anunciaram o primeiro sucesso de uma vacina personalizada contra câncer em fase 3, em melanoma. Para os autores, é um marco histórico, mas restrito a um tumor particularmente suscetível ao ataque imunológico; a questão maior é se o desenho pode ser repetido para outros tipos de câncer e outros pacientes.

O problema de desenho

O ponto de partida é sequenciar o tumor e comparar seu DNA com células saudáveis para encontrar mutações exclusivas. Mutações podem gerar peptídeos que células saudáveis não exibem, mas poucas viram bons alvos. O sistema imunológico vigia fragmentos de proteínas apresentados na superfície por moléculas do complexo principal de histocompatibilidade (MHC), e células T inspecionam esses peptídeos. O desenho da vacina envolve seis etapas: ler o tumor, gerar alvos candidatos, prever se o tumor vai exibir cada peptídeo, prever se o sistema imunológico vai reagir, escolher os melhores e codificá-los em uma sequência de mRNA manufaturável. As duas previsões centrais são apresentação e imunogenicidade. A primeira depende das versões de MHC de cada paciente; a segunda pergunta se, depois de exibido, o peptídeo será reconhecido e atacado por células T. Segundo o texto, a imunogenicidade é a pergunta mais difícil e ruidosa.

Omnii e as previsões

O Omnii foi construído para ler sequências biológicas e treinado em DNA, RNA, epigenômica, sequências de proteínas e estrutura proteica tokenizada. Com pós-treinamento focado, a Radical Numerics o adaptou para prever apresentação e imunogenicidade para MHC de classe I e II, além de desenhar sequências. A empresa compara o modelo com ferramentas especializadas. Na apresentação de classe I, o Omnii obteve AUROC de 0,939 contra 0,933 do BigMHC-EL; na classe II, 0,945 contra 0,935 do NetMHCIIpan-4.3-EL. Na imunogenicidade, a vantagem é maior: classe I, 0,750 contra 0,558 do BigMHC-IM e 0,514 do PRIME2.1; classe II, 0,778 contra 0,753 do ImmuScope-IM e 0,613 do TLimmuno2. O texto destaca que um modelo geral pré-treinado, sem treinamento específico para vacinas contra câncer, parece ter aprendido características biológicas que o pós-treinamento consegue revelar.

Ranking e limitações

Como uma vacina contém poucos peptídeos, a empresa avaliou a precisão ao escolher apenas os 5, 10 ou 20 melhores candidatos. A vantagem do Omnii foi maior quando havia menos vagas, cenário mais próximo do real. Em uma simulação com 100 candidatos, cinco vagas e cerca de 6% de imunogenicidade, o Omnii selecionaria em média 1,3 peptídeo imunogênico entre cinco, contra 0,7 do BigMHC-IM, 0,6 do NetMHCpan-4.1-BA e do PRIME2.1, e 0,3 por escolha aleatória. Os autores ressalvam que os conjuntos públicos de imunogenicidade são pequenos e heterogêneos, que diferentes experimentos medem respostas de modos distintos e que alguns tipos de MHC têm muito mais dados. A avaliação é feita por alelo e depois calculada a média. Um benchmark não representa um paciente, e o teste decisivo é se previsões melhores geram vacinas e desfechos melhores.

Pipeline e visão de sistema

A Radical Numerics descreve um pipeline que recebe sequências de variantes do tumor e sequências de MHC do paciente, ranqueia e seleciona neoantígenos com o Omnii e projeta uma cassete de mRNA otimizada. O modelo também foi usado para otimização de códons, o que a empresa considerou surpreendente. O texto argumenta que o desenho de vacinas contra câncer exige uma visão de sistema: não basta a maior nota em um teste isolado, pois expressão gênica, heterogeneidade tumoral, estrutura tridimensional, diferença em relação ao tecido saudável e cobertura de populações celulares podem importar em conjunto. Por isso, a aposta é em um modelo biológico geral e multimodal, em vez de previsões desconectadas. O Omnii para vacinas contra câncer está em acesso antecipado, e a empresa busca parceiros de pesquisa e colaboradores em imunologia do câncer e desenvolvimento de vacinas.