研究小組分析了近 6,000 個 MHC-1 復合物，發現了可以識別這些偏好并預測廣泛人群免疫反應的模式。

HLA INCEPTION 工具由人工智能和機器學習提供支持，利用蛋白質表面的不同電荷(也稱為靜電特征)將其分為 11 種不同類型。

然后，該信息可用于預測 MHC-1 正在監測的蛋白質片段或肽是自體入侵者還是外來入侵者(非自體)。

研究人員還發現，具有更多樣化的 MHC-1 蛋白(涵蓋 11 類中更多)的患者在某些癌癥治療中存活的機會更高。

查看更多

圖片來源：亞利桑那州立大學

在與癌癥的持續斗爭中，全球科學家正在探索創新方法來解開人類免疫系統的奧秘，即保護身體免受疾病侵害的器官、細胞和蛋白質的復雜網絡。

由亞利桑那州立大學科學家領導的團隊開發了一種名為HLA Inception的基于人工智能的學習工具，該工具發現了有關個體免疫系統如何對外來細胞做出反應的新信息。

基于人工智能的工具專注于一組稱為主要組織相容性復合體-1 (MHC-1) 的蛋白質，可以在幾秒鐘內對個體特有的特定蛋白質組進行分類，并預測一個人的免疫防御是否可以識別威脅片段病毒和癌癥。

“我們能夠根據人類與生俱來的分子細節來預測患者的病理結果，例如對某些癌癥藥物的生存率，”領導該研究的亞利桑那州立大學分子科學學院助理教授Abhishek Singharoy說。學習。 “現在有了這個工具，原本需要幾天時間完成的事情只需幾秒鐘。”

了解這種個性化的分子相互作用信息為創造新的個性化癌癥藥物帶來了巨大的希望，并有可能改變患者的護理。

該工作于3月29日發表在《Cell Systems 》雜志上。

揭開 MHC-1 蛋白質偏好的復雜性

在人體內，MHC-1 蛋白充當細胞表面的守衛，向免疫系統發出外來入侵者的警報。它們抓取細胞內的外來蛋白質或肽片段，并將其呈現給免疫系統進行識別和攻擊。

每個人的 MHC-1 蛋白對其相互作用的蛋白片段類型都有特定的偏好，并且能夠預測哪些肽將有效結合哪些 MHC-I 分子對于進一步了解我們的免疫系統如何工作的機制和發展至關重要新的更先進的癌癥疫苗。

然而，預測具有挑戰性。

人類中有數千種不同版本的 MHC-I 分子，因此很難創建通用的預測模型。

研究小組分析了近 6,000 個 MHC-1 復合物，發現了可以識別這些偏好并預測廣泛人群免疫反應的模式。

HLA Inception 工具由人工智能和機器學習提供支持，利用蛋白質表面的不同電荷(也稱為靜電特征)將其分為 11 種不同類型。

然后，該信息可用于預測 MHC-1 正在監測的蛋白質片段或肽是自體入侵者還是外來入侵者(非自體)。

研究人員還發現，具有更多樣化的 MHC-1 蛋白(涵蓋 11 類中更多)的患者在某些癌癥治療中存活的機會更高。

“機器學習在醫療保健中的持續整合將有助于降低風險和個性化治療，”該論文的作者、亞利桑那州立大學校友、目前西奈山伊坎醫學院的博士后研究員埃里克·威爾遜(Eric Wilson)說。 “機器學習和人工智能可以通過消除昂貴的實驗來確定候選資格的需要，從而提高更廣泛的患者群體獲得新療法的可及性。”

致力于推進該領域的科學進步，研究人員已免費提供 HLA-Inception 供學術使用，為免疫治療領域的廣泛合作和創新奠定了基礎。

“我很高興能夠使用這些工具來開發更好的癌癥治療疫苗和免疫療法，”該論文的合著者、亞利桑那州立大學生命科學學院教授凱倫·安德森說。 “這是精準醫學的終極方法。下一代免疫療法將非常精確，并根據個體的 MHC 分子進行定制。”

研究人員預計這項工作將有助于醫療保健的進步，特別是針對個體患者制定治療方案。

“這是一項有影響力的研究，其影響超出了學術界的范圍，”辛哈羅伊說，他也是亞利桑那州立大學應用結構發現生物設計中心的研究員。 “我們的技術現在是最快的。”