Raqon İnstitutu və MIT-dəki Jameel Klinikası arasında əməkdaşlıq T hüceyrə peyvəndi namizədlərinin inkişafına kömək etmək üçün süni intellektin (AI) istifadə edilməsində əhəmiyyətli bir mərhələyə nail oldu.

Ragon fakültəsinin professoru Gaurav Gaiha, MD, DPhil və MIT professoru Regina Barzilay, Ph.D., AI və Sağlamlıq üzrə Jameel Klinikasının süni intellekt rəhbəri, CD8-i proqnozlaşdırmaq üçün hazırlanmış dərin öyrənmə vasitəsi olan MUNIS-i təqdim edən Nature Machine Intelligence -də araşdırma dərc etdilər . ⁺ Görünməmiş dəqiqliklə T hüceyrə epitopları. Bu irəliləyiş müxtəlif yoluxucu xəstəliklərə qarşı peyvəndin inkişafını sürətləndirmək potensialına malikdir.

Layihə, qlobal əhəmiyyət kəsb edən yoluxucu xəstəliklərin qarşısını almaq və müalicə etmək üçün süni intellekt , maşın öyrənməsi və tərcümə immunologiyasını inteqrasiya etmək məqsədi daşıyan Raqon İnstitutunda Mark və Lisa Şvartsın AI/ML Təşəbbüsünün əsas ilk nəticəsidir.

Gaiha Laboratoriyasının T hüceyrə immunologiyası sahəsində təcrübəsini Barzilay Laboratoriyasının süni intellekt üzrə qabaqcıl işi ilə birləşdirərək, ilk həmmüəlliflər Ph.D. Jeremy Wohlwend və Ph.D. Anusha Nathanın rəhbərlik etdiyi komanda uzun müddətdir davam edən problemi həll etməyə çalışdı. peyvəndin inkişafında problem: xarici patogenlərdə T hüceyrə epitoplarının sürətli və dəqiq müəyyən edilməsi. Epitoplar, bədənin immun hüceyrələri tərəfindən tanınan və hədəflənmiş immun cavabları aktivləşdirmək üçün vacib olan bir antigenin spesifik bölgələridir.

Epitopların proqnozlaşdırılması üçün ənənəvi üsullar tez-tez sürət və dəqiqlik baxımından zəif olur. Maşın öyrənməsini inteqrasiya etməklə tədqiqatçılar indi T hüceyrə epitoplarının daha sürətli və daha səmərəli identifikasiyasına nail ola bilərlər.

about:blank

650.000-dən çox unikal insan leykosit antigeni (HLA) liqandlarından və qabaqcıl AI arxitekturasından ibarət seçilmiş verilənlər bazasından istifadə edərək, MUNIS mövcud epitop proqnozlaşdırma modellərini əhəmiyyətli dərəcədə üstələdi. Alət qrip, HİV və Epstein-Barr virusunun (EBV) eksperimental məlumatlarından istifadə edilməklə təsdiqləndi və geniş şəkildə tədqiq edilmiş virus olan EBV-də yeni immunogen epitopları müəyyən edə bildi.

MUNIS laboratoriya yüklərini azaltmaq və peyvəndin dizaynını asanlaşdırmaq potensialını nümayiş etdirərək, epitop proqnozunun başqa bir forması olan eksperimental sabitlik təhlilləri ilə müqayisə edilə bilən dəqiqliyə nail olmuşdur.

“Bu, süni intellekt və immunologiyanın kəsişməsindəki ilk məqaləmizdir. Dr. Qayha və onun komandası ilə bu əməkdaşlıq sayəsində biz bu maraqlı sahə haqqında çox şey öyrəndik və süni intellekt alqoritmlərinin incəliklərini modelləşdirmək üçün istifadənin böyük imkanlarından məmnunuq. immun sistemi,” Barzilay bildirib.

MUNIS-in inkişafında əsas amil immunoloqlar və kompüter alimləri arasında əməkdaşlıq idi. Tərəfdaşlıq hər bir komandanın unikal bacarıq və təcrübəsindən istifadə edərək bioloji mürəkkəbliklərin həllində alətin effektivliyini təmin etdi.

“Bu, həm kompüter alimləri, həm də immunoloqlar tərəfindən paylaşılan fikirlərdən çox faydalanan süni intellektin gözəl tətbiqidir” dedi Gaiha. “Kredit, immunologiya və peyvənd dizaynı üçün maraqlı yeni alətin yaradılmasına səbəb olan bizi bir araya gətirmək təşəbbüsünə aiddir.”

Bu sıçrayışın nəticələri peyvənd tədqiqatlarından kənara çıxır. İmmunodominant epitopların immun sistemi tərəfindən ən asanlıqla tanınanlar olduğunu təxmin etmək üçün etibarlı metod təqdim etməklə , MUNIS xərçəng T hüceyrələrinin immunoterapiyasında və autoimmunitet tədqiqatlarında tətbiqlərin əsasını qoyur. Qlobal birlik yaranan yoluxucu xəstəliklərlə üzləşməyə davam etdikcə, MUNIS kimi vasitələr daha yüksək hazırlıq üçün vədlər verir.

Bu yenilik Raqon İnstitutunun insanların həyatını xilas etmək və qlobal sağlamlığı təşviq etmək üçün immunologiya və texnologiyanın kəsişməsində elmi inkişaf etdirməyə sadiqliyini vurğulayır.

Daha çox məlumat: Jeremy Wohlwend et al, Dərin öyrənmə xarici patogenlərdə HLA sinif I-təqdim olunan CD8+ T hüceyrə epitoplarının proqnozunu artırır, Nature Machine Intelligence (2025). DOI: 10.1038/s42256-024-00971-y

Jurnal məlumatı: Nature Machine Intelligence MGH, MIT və Harvard Raqon İnstitutu tərəfindən təmin edilmişdir