: 10.03.2025
Новая ИИ-технология диагностики – по истории наших иммунных реакций
Иммунная система хранит всю информацию о своих реакциях на действительные или мнимые угрозы – вирусы и бактерии, вакцинные препараты и даже здоровые ткани, попавшие под «дружественный огонь». Теоретически такие иммунологические «данные» можно использовать для диагностики заболеваний, и исследователи разрабатывают подобные подходы с использованием технологии машинного обучения
Как известно, защиту от инфекций и других опасных воздействий нам обеспечивает врожденный (специфический) и адаптивный (неспецифический) иммунитет.
Два разных звена адаптивного иммунитета представлены В- и Т-лимфоцитами. T-клетки обеспечивают так называемый клеточный ответ, при котором иммунная клетка реагирует с патогеном непосредственно, а B-клетки – гуморальный, связанный с выработкой защитных белков-антител. При этом способ, которым они вырабатывают белки, распознающие и связывающиеся с патогеном, схож.
Гены, кодирующие В- и Т-клеточные рецепторы, генерируются при созревании клеток путем случайной рекомбинации генных сегментов. В результате получается огромное множество уникальных антител (в случае В-клеток) либо поверхностных рецепторов Т-клеток. Такие клетки изначально не нацелены на распознавание каких-либо специфических молекул-антигенов, но их разнообразие гарантирует, что какие-то из них обязательно свяжутся с чужеродной структурой.
Популяции B- и T-клеток меняются после взаимодействия с «активатором», в роли которого могут выступать молекулы самых разных агентов: патогена, вакцины либо собственных клеток (при аутоиммунной реакции). Связывание активатора с B- и T-рецепторами стимулирует иммунный ответ на этот агент, а последующее увеличение численности таких клеток служит своего рода индикатором патологического состояния, на которое нацелена иммунная система.
Идея расшифровывать и использовать подобные данные для оценки «настройки» иммунной системы у людей не нова. Но технически до сих пор не удавалось связать полученные закономерности в характеристиках иммунных рецепторов с конкретными заболеваниями.
Это получилось у исследователей из США, которые использовали методы машинного обучения, основанные на больших языковых моделях, которые лежат в основе чат-бота с генеративным искусственным интеллектом (ChatGPT). Большие языковые модели могут изучать грамматику и контекстно-зависимые подсказки иммунной системы так же, как они изучают грамматику английского или китайского языка. И при достаточной подготовке они способны использовать эту информацию для предсказаний.
Исследователи разработали инструмент Mal-ID (машинное обучение для иммунологической диагностики) для выявления в образцах крови человека особенностей рецепторов Т- и В-клеток человека, характерных для инфекционных и иммунологических болезней, а также последствий вакцинации.
Для обучения алгоритма был использован набор данных, касающихся более 6 млн аминокислотных последовательностей рецепторных белков В-клеток и более 25 млн – Т-клеток у 593 человек. Эти люди составляли шесть групп: здоровые; зараженные ВИЧ или вирусом SARS-CoV-2; недавно вакцинированные против гриппа; с аутоиммунными заболеваниями – системной красной волчанкой и сахарным диабетом 1 типа.
Оказалось, что последовательности Т-рецепторов были более полезны при выявлении у испытуемых волчанки и диабета, а В-рецепторы – ВИЧ-инфекции, заражением SARS-CoV-2 и эффектов вакцинации. Еще лучше работали объединенные данные. К примеру, при выявлении пациентов с волчанкой показатели чувствительности и специфичности Mal-ID достигли 93% и 90%, что выше клинических.
Исследователи считают, что созданный ими инструмент может быть быстро адаптирован для выявления иммунологических признаков других заболеваний и состояний. Особенно интерес вызывает диагностика аутоиммунных заболеваний, которые трудно диагностировать и лечить.
Фото: https://www.flickr.com
Публикации по теме:
Протеомика - высокотехнологичная «рыбалка»
: 10.03.2025 
