İmmunitet sisteminiz qarşılaşdığı təhlükələr haqqında ömür boyu dəyərli məlumatı özündə saxlayır – pislərin bioloji Rolodex. Çox vaxt günahkarlar fəth etdiyiniz viruslar və bakteriyalardır; digərləri qoruyucu immun cavabları işə salmaq üçün verilən peyvəndlər və ya hətta immunoloji çarpaz atəşə tutulmuş sağlam toxuma şəklində qırmızı siyənəklər kimi gizli agentlərdir.

İndi Stanford Medicine-də tədqiqatçılar qrip peyvəndlərinə diabet COVID-19 reaksiyaları kimi müxtəlif xəstəliklərə diaqnoz qoymaq üçün bu zəngin daxili məlumat bazasını mənimsəmək üçün bir yol hazırladılar. Baxmayaraq ki, onlar yanaşmanı eyni vaxtda birdən çox xəstəliklər üçün skrininq yolu kimi təsəvvür etsələr də, maşın öyrənməsinə əsaslanan texnika lupus kimi mürəkkəb, diaqnozu çətin olan otoimmün xəstəliklərin aşkarlanması üçün optimallaşdırıla bilər.

Təxminən 600 nəfərin – bəziləri sağlam, digərləri COVID-19 və ya lupus və 1-ci tip diabet daxil olmaqla otoimmün xəstəlikləri olan infeksiyaları olan – tədqiqatçıların immunoloji diaqnostika üçün maşın öyrənməsi üçün Mal-ID adlandırılan alqoritm yalnız B və T hüceyrə reseptorlarının ardıcıllığı və strukturlarına əsaslanaraq kimin nəyə sahib olduğunu müəyyən etməkdə olduqca uğurlu oldu.

“Bu gün istifadə etdiyimiz diaqnostik alətlər immun sisteminin rastlaşdığı xəstəliklərlə bağlı daxili qeydindən çox istifadə etmir”, – doktoranturadan sonrakı alim Maksim Zaslavski bildirib. “Ancaq immun sistemimiz molekulyar təhlükə sensorları kimi fəaliyyət göstərən B və T hüceyrələri ilə bədənimizi daim izləyir.

“İmmunitet sisteminin iki əsas qolundan alınan məlumatları birləşdirmək bizə immunitet sisteminin xəstəliklərə reaksiyası və otoimmünitet və peyvənd reaksiyası yolları haqqında daha dolğun təsəvvür yaradır.”

Zaslavski və Erin Kreyq fevralın 21-də Science jurnalında dərc olunan tədqiqatın aparıcı müəllifləridir . Patologiya professoru, tibb elmləri namizədi Scott Boyd və genetika və kompüter elmləri üzrə dosent, Ph.D. Anshul Kundaje tədqiqatın böyük müəllifləridir.

Tədqiqatçıların fikrincə, çətin xəstəliklərin diaqnostikasına kömək etməklə yanaşı, Mal-ID xərçəngin immunoterapiyalarına reaksiyaları izləyə və klinik qərarların qəbuluna kömək edə biləcək şəkildə xəstəlik vəziyyətini alt kateqoriyalara ayıra bilər.

Şon N. Parker Allergiya və Astma Tədqiqatları Mərkəzinin rəhbəri Boyd, “Bizim nəzərdən keçirdiyimiz şərtlərin bir neçəsi bioloji və ya molekulyar səviyyədə əhəmiyyətli dərəcədə fərqli ola bilərdi, lakin biz onları immun sisteminin xüsusi reaksiyasını nəzərə almayan geniş terminlərlə təsvir edirik” dedi.

“Mal-ID bizə müəyyən şərtlərin alt kateqoriyalarını müəyyən etməyə kömək edə bilər ki, bu da bizə hansı növ müalicənin kiminsə xəstəlik vəziyyəti üçün ən faydalı olacağına dair ipucu verə bilər.”

Zülalların dilinin deşifr edilməsi

Nöqtələri izləmə yanaşmasında elm adamları ChatGPT-nin əsasını T hüceyrələri adlanan immun hüceyrələrində təhlükə tanıyan reseptorlarda və B hüceyrələri adlanan immun hüceyrənin başqa bir növü tərəfindən hazırlanmış antikorların (həmçinin reseptorlar adlanır) iş uclarında əsaslanan böyük dil modellərinə əsaslanan maşın öyrənmə üsullarından istifadə etdilər.

Bu dil modelləri kitablardan və vebsaytlardan mətnlər kimi böyük verilənlər bazasında nümunələr axtarır. Kifayət qədər məşqlə, digər tapşırıqlarla yanaşı, cümlədəki növbəti sözü proqnozlaşdırmaq üçün bu nümunələrdən istifadə edə bilərlər.

Bu tədqiqat vəziyyətində elm adamları zülallar üzərində öyrədilmiş böyük bir dil modelini tətbiq etdilər, modeli B və T hüceyrə reseptorlarından milyonlarla ardıcıllıqla qidalandırdılar və ondan əsas xüsusiyyətləri paylaşan reseptorları birləşdirmək üçün istifadə etdilər – model tərəfindən müəyyən edildiyi kimi – oxşar bağlama üstünlükləri təklif edə bilər.

Bunu etmək, insanın immun sisteminin səfərbər olmasına səbəb olan tətiklərə nəzər sala bilər – real və qəbul edilən təhlükələrə hücum etmək üçün təchiz olunmuş T hüceyrələri, B hüceyrələri və digər immun hüceyrələrdən ibarət bir ordunu çıxarmaq.

“Bu immun reseptorların ardıcıllığı çox dəyişkəndir” dedi Zaslavski. “Bu dəyişkənlik immunitet sisteminə faktiki olaraq hər şeyi aşkar etməyə kömək edir, həm də bu immun hüceyrələrin hədəfə aldığını şərh etməyimizi çətinləşdirir.

“Bu araşdırmada biz bu yüksək dəyişkən məlumatı bəzi yeni maşın öyrənmə üsulları ilə şərh etməklə immun sisteminin bu xəstəliklə qarşılaşma rekordunu deşifrə edə biləcəyimizi soruşduq. Bu fikir yeni deyil, lakin biz immun sisteminin nəyə cavab verdiyini göstərən bu immun reseptor ardıcıllığında nümunələri tutmaq üçün möhkəm bir yoldan məhrum olmuşuq.”

B hüceyrələri və T hüceyrələri immunitet sisteminin iki ayrı qolunu təmsil edir, lakin yoluxucu agentləri və ya aradan qaldırılmalı olan hüceyrələri tanıyan zülalları düzəltmə üsulları oxşardır. Qısacası, hüceyrələrin genomlarında olan DNT-nin spesifik seqmentləri təsadüfi olaraq qarışdırılır və uyğunlaşdırılır (bəzən əlavə mutasiyaların əlavə tiresi ilə hər şeyi yaxşılaşdırmaq üçün) kodlaşdırma bölgələri yaratmaq üçün zülal strukturları yığıldıqda trilyonlarla unikal antikor (B hüceyrələri üçün) və ya hüceyrə səthi reseptorları (T hüceyrələri vəziyyətində) yarada bilər.

Bu prosesin təsadüfi olması o deməkdir ki, bu antikorlar və ya T hüceyrə reseptorları işğalçıların səthindəki hər hansı xüsusi molekulları tanımaq üçün uyğunlaşdırılmayıb. Ancaq onların başgicəlləndirici müxtəlifliyi ən azı bir neçəsinin demək olar ki, hər hansı bir xarici quruluşa bağlanacağını təmin edir. (Avto-immunitet və ya immunitet sisteminin bədənin öz toxumalarına hücumu, adətən, lakin həmişə deyil, T və B hüceyrələri problem hüceyrələrini aradan qaldıran inkişafın erkən mərhələsindən keçir.)

Bağlanma aktı hüceyrəni tam miqyaslı hücuma keçmək üçün daha çox şey etməyə stimullaşdırır; Bənzər üçölçülü strukturlara uyğun gələn reseptorları olan hüceyrələrin sonrakı artan yayılması immun sisteminin hansı xəstəlikləri və ya şərtləri hədəf aldığını göstərən bioloji barmaq izini təmin edir.

Nəzəriyyələrini yoxlamaq üçün tədqiqatçılar altı müxtəlif immun vəziyyətindən birinə malik 593 nəfərdən 16 milyondan çox B hüceyrə reseptor ardıcıllığı və 25 milyondan çox T hüceyrə reseptor ardıcıllığından ibarət məlumat toplusunu topladılar: sağlam nəzarətçilər, SARS-CoV-2 (COVID-19-a səbəb olan virus) və ya bu yaxınlarda HİV virusu almış insanlar, varis olan insanlar, lupus və ya tip 1 diabet (hər ikisi otoimmün xəstəliklər). Zaslavski və onun həmkarları daha sonra eyni vəziyyətdə olan insanlar arasında ümumi cəhətləri axtarmaq üçün maşın öyrənmə yanaşmalarından istifadə etdilər.

“Biz seqmentdən istifadə tezliklərini, nəticədə əldə edilən zülalların amin turşusu ardıcıllığını və modelin reseptorların “dilini” təmsil etmə tərzini, digər xüsusiyyətlər arasında müqayisə etdik” dedi Boyd.

T və B hüceyrələri birlikdə

Tədqiqatçılar aşkar etdilər ki, T hüceyrə reseptor ardıcıllığı lupus və 1-ci tip diabet haqqında ən uyğun məlumatları təmin edir, B hüceyrə reseptor ardıcıllığı isə HİV və ya SARS-CoV-2 infeksiyasını və ya son qrip peyvəndini müəyyən etməkdə ən məlumatlıdır. Bununla belə, hər bir halda, T və B hüceyrə nəticələrinin birləşdirilməsi alqoritmin cinsdən, yaşından və irqindən asılı olmayaraq insanları xəstəlik vəziyyətinə görə dəqiq təsnif etmək qabiliyyətini artırdı.

“Ənənəvi yanaşmalar bəzən fərqli görünən, lakin eyni hədəfləri tanıyan reseptor qruplarını tapmaqda çətinlik çəkir” dedi Zaslavski. “Lakin burada böyük dil modelləri üstünlük təşkil edir. Onlar ingilis dilinin qrammatikasını və kontekstini mənimsəmiş kimi immunitet sisteminin qrammatikasını və kontekstinə xas ipuclarını öyrənə bilərlər. Bu yolla, Mal-ID bizə əvvəllər əldə etmədiyimiz fikirlər verən bu ardıcıllıqlar haqqında daxili anlayış yarada bilər.”

Tədqiqatçılar Mal-ID-i cəmi altı immunoloji vəziyyət üzrə inkişaf etdirsələr də, onlar alqoritmin bir çox digər xəstəliklər və şərtlərə xas olan immunoloji imzaları müəyyən etmək üçün tez bir zamanda uyğunlaşdırıla biləcəyini düşünürlər. Onlar xüsusilə lupus kimi otoimmün xəstəliklərlə maraqlanırlar, diaqnoz qoymaq və effektiv müalicə etmək çətin ola bilər.

“Xəstələr diaqnoz qoymazdan əvvəl illər boyu mübarizə apara bilərlər və hətta bu xəstəliklərə verdiyimiz adlar mürəkkəb xəstəliklərin arxasındakı bioloji müxtəlifliyi gözdən qaçıran çətir terminləri kimidir” dedi Zaslavski. “Əgər biz lupus və ya romatoid artritin arxasındakı heterojenliyi açmaq üçün Mal-ID-dən istifadə edə bilsək, bu, klinik cəhətdən çox təsirli olardı.”

Mal-ID tədqiqatçılara bir çox şərtlər üçün yeni terapevtik hədəfləri müəyyən etməyə kömək edə bilər.

Boyd, “Bu yanaşmanın gözəlliyi ondadır ki, biz əvvəlcə immunitet sisteminin hansı molekulları və ya strukturları hədəf aldığını tam olaraq bilməsək də işləyir “. “İnsanların reaksiyasında oxşar nümunələri görməklə hələ də məlumat əldə edə bilərik. Və bu cavabları daha dərindən öyrənməklə biz tədqiqat və müalicə üçün yeni istiqamətlər aça bilərik.”

Daha çox məlumat: Maxim E. Zaslavsky et al, B hüceyrəsi və T hüceyrə reseptor ardıcıllığının maşın öyrənməsindən istifadə edərək xəstəliyin diaqnostikası, Elm (2025). DOI: 10.1126/science.adp2407

Jurnal məlumatı: Elm Stanford Universiteti tərəfindən təmin edilmişdir