Успехи ИИ в прогнозировании эпитопов Т-клеток могут способствовать разработке вакцины
Сотрудничество между Институтом Рагона и клиникой Джамиля при Массачусетском технологическом институте достигло значительного прогресса в использовании искусственного интеллекта (ИИ) для содействия разработке вакцин-кандидатов на основе Т-клеток.
Преподаватель Ragon Гаурав Гаиха, доктор медицины, доктор философии, и профессор Массачусетского технологического института Регина Барзилай, доктор философии, руководитель отдела ИИ в клинике Jameel Clinic for AI and Health, опубликовали в Nature Machine Intelligence исследование, в котором представили MUNIS — инструмент глубокого обучения, предназначенный для прогнозирования эпитопов Т-клеток CD8 + с беспрецедентной точностью. Это достижение может ускорить разработку вакцин против различных инфекционных заболеваний.
Проект знаменует собой первый важный результат инициативы Марка и Лизы Шварц AI/ML в Институте Рагона, направленной на интеграцию искусственного интеллекта , машинного обучения и трансляционной иммунологии для профилактики и лечения инфекционных заболеваний мирового значения.
Объединив опыт Gaiha Lab в области Т-клеточной иммунологии с новаторской работой Barzilay Lab в области ИИ, команда под руководством соавторов Джереми Вольвенда, доктора философии, и Ануши Натан, доктора философии, стремилась решить давнюю проблему в разработке вакцин: быстрое и точное определение эпитопов Т-клеток в чужеродных патогенах. Эпитопы — это определенные области антигена, которые распознаются иммунными клетками организма и имеют решающее значение для активации целевых иммунных ответов.
Традиционные методы прогнозирования эпитопов часто не достигают скорости и точности. Интегрируя машинное обучение , исследователи теперь могут добиться более быстрой и эффективной идентификации эпитопов Т-клеток.
Используя курируемый набор данных из более чем 650 000 уникальных лигандов человеческого лейкоцитарного антигена (HLA) и передовые архитектуры ИИ, MUNIS значительно превзошел существующие модели предсказания эпитопов. Инструмент был проверен с использованием экспериментальных данных по гриппу, ВИЧ и вирусу Эпштейна-Барр (EBV) и смог идентифицировать новые иммуногенные эпитопы в EBV, вирусе, который был тщательно изучен.
Примечательно, что MUNIS достиг точности, сопоставимой с экспериментальными анализами стабильности — еще одной формой прогнозирования эпитопов, что демонстрирует его потенциал для снижения нагрузки на лабораторные исследования и оптимизации разработки вакцин.
«Это наша первая работа на стыке ИИ и иммунологии. Благодаря сотрудничеству с доктором Гаихой и его командой мы узнали много нового об этой увлекательной области и воодушевлены огромными возможностями использования алгоритмов ИИ для моделирования тонкостей иммунной системы», — сказал Барзилай.
Ключевым фактором в разработке MUNIS стало сотрудничество иммунологов и компьютерных ученых. Партнерство использовало уникальные навыки и опыт каждой команды, гарантируя эффективность инструмента в решении биологических сложностей.
«Это замечательное применение искусственного интеллекта, которое в значительной степени выиграло от идей, которыми поделились как специалисты по информатике, так и иммунологи», — сказал Гаиха. «Заслуга в инициативе по объединению нас, что привело к созданию захватывающего нового инструмента для иммунологии и разработки вакцин».
Последствия этого прорыва выходят за рамки исследований вакцин. Предоставляя надежный метод прогнозирования того, какие иммунодоминантные эпитопы легче всего распознаются иммунной системой, MUNIS закладывает основу для применения в иммунотерапии Т-клеток рака и исследованиях аутоиммунитета. Поскольку мировое сообщество продолжает противостоять новым инфекционным заболеваниям, такие инструменты, как MUNIS, обещают повысить готовность.
Это нововведение подчеркивает приверженность Института Рагона развитию науки на стыке иммунологии и технологий в целях спасения жизней и укрепления здоровья во всем мире.