Achilles Therapeutics plc heeft aangekondigd dat de nieuwe AI-toepassing van het bedrijf, getraind met eigen praktijkgegevens, in een recente analyse beter presteert dan de huidige AI- en niet-AI-methoden voor de voorspelling van de immunogeniciteit van neoantigenen, waardoor de meest krachtige klonale neoantigenen voor gepersonaliseerde kankertherapieën kunnen worden geïdentificeerd. Meer details over deze nieuwe mogelijkheid van het AI-gestuurde PELEUSo bioinformaticaplatform van het bedrijf zullen naar verwachting worden gepresenteerd op een komende wetenschappelijke bijeenkomst. Van de grote aantallen neoantigenen die aanvankelijk in de tumor van een patiënt worden geïdentificeerd, zal slechts een fractie een T-celrespons opleveren die klinisch voordeel kan opleveren.

Achilles heeft een AI-tool ontwikkeld om de meest krachtige neoantigenen prospectief te kunnen identificeren. De nieuwe PELEUSo neoantigen immunogeniciteit rangschikkingsmodule werd getraind en gevalideerd met gegevens van meer dan 10.000 neoantigenen van in-silico identificatie tot expansie en karakterisering van werkelijke T-celklonen. Met dit nieuwe instrument kan het PELEUSo-platform nauwkeurig voorspellen welke neoantigenen de meeste kans maken om een krachtige T-celrespons op te wekken. Dit ondersteunt de potentiële implementatie van het platform in de lopende TIL-gebaseerde klinische programma's van het bedrijf in gevorderde niet-kleincellige longkanker (NSCLC) en melanoom, en in andere modaliteiten, waaronder klonale neoantigen-kankervaccins.

De analyse uitgevoerd door het Bioinformatica & Data Science Team van Achilles toonde aan dat het PELEUSo-platform aanzienlijk betere rankingprestaties leverde in vergelijking met de momenteel gebruikte state-of-the-art methoden, zoals gemeten door oReceiver Operating Characteristic Area Under the Curveo (ROC AUC). ROC AUC evalueert de prestaties van een machine-learningmodel om neoantigenen te voorspellen die in vivo worden bevestigd. Het PELEUSo AI immunogeniciteitsrangschikkingsinstrument werd ontwikkeld en getraind met eigen real-world gegevens van patiëntenmateriaal van het Achilles Material Acquisition Program (MAP), de lopende CHIRON-studie bij patiënten met gevorderd NSCLC en de THETIS-studie bij patiënten met terugkerend of gemetastaseerd melanoom.

De huidige AI-methoden worden getraind op openbaar beschikbare gegevens uit bronnen zoals de Immune Epitope Database (IEDB), een vrij beschikbare bron die wordt gefinancierd door het National Institute of Allergy and Infection Disease (NIAID).