Vaccinurile personalizate reprezintă o direcţie de cercetare în oncologie, cu potenţialul de a stimula sistemul imunitar să recunoască şi să atace mai precis celulele tumorale. Un nou model de inteligenţă artificială (AI) ar putea îmbunătăţi selecţia acestor ţinte, facilitând dezvoltarea unor vaccinuri adaptate fiecărui pacient.
Cercetători de la Universitatea Yale au dezvoltat un model de învăţare automată numit Immunostruct, conceput pentru a sprijini crearea de vaccinuri personalizate, inclusiv vaccinuri împotriva cancerului.
Instrumentul şi rezultatele obţinute prin aplicarea sa pe date din oncologie şi imunologie au fost publicate în revista Nature Machine Intelligence.
Atunci când în organism apare o ameninţare, precum un virus sau o tumoră, celulele imune recunosc peptidele - fragmente scurte de proteine - aflate la suprafaţa acesteia şi declanşează un răspuns de apărare. Regiunea mică din peptidă cu care interacţionează sistemul imunitar se numeşte epitop.
Vaccinurile bazate pe epitopi conţin peptide specifice menite să declanşeze un răspuns imun direcţionat împotriva unei boli anume. Studii în desfăşurare arată că aceste vaccinuri reprezintă o potenţială formă de imunoterapie pentru mai multe tipuri de cancer, inclusiv melanom, cancer de sân şi glioblastom. Cercetătorii analizează, de asemenea, dacă ele ar putea combate mai eficient noile variante ale bolilor infecţioase.
Pentru dezvoltarea acestor vaccinuri, oamenii de ştiinţă utilizează modele predictive care estimează ce peptide au cea mai mare probabilitate de a declanşa un răspuns imun puternic la un anumit antigen. În prezent, o limitare a multor modele existente este aceea că tratează peptidele ca simple secvenţe liniare de aminoacizi, fără a lua în calcul structura lor tridimensională activă.
Noul model de AI integrează nu doar informaţia despre secvenţa de aminoacizi, ci şi date despre structura şi proprietăţile biochimice ale peptidelor.
În acest studiu, modelul a fost antrenat folosind informaţii despre secvenţa de aminoacizi a peptidelor, structura lor tridimensională şi proprietăţile biochimice ale acestora. Toate aceste tipuri de date se referă la peptidele evaluate ca potenţiali epitopi.
Fiecare dintre aceste componente a contribuit la îmbunătăţirea performanţei, iar modelul care a integrat mai multe tipuri de date s-a dovedit mai eficient în identificarea în identificarea peptidelor cu potenţial de a fi utilizate ca ţinte vaccinale, comparativ cu modelele anterioare.
Autorii subliniază că integrarea acestor tipuri de date este importantă pentru a înţelege cât de eficient poate o substanţă să declanşeze un răspuns al sistemului imunitar.
Modelul ar putea ajuta la adaptarea terapiilor personalizate, prin identificarea mai rapidă şi mai precisă a epitopilor potriviţi pentru fiecare pacient.
Cercetătorii notează că, spre deosebire de chimioterapie, care distruge rapid celulele cu diviziune accelerată, dar afectează şi ţesuturile sănătoase, identificarea epitopilor asociaţi particularităţilor fiecărui pacient ar putea permite dezvoltarea unor terapii care vizează direct cancerul.
Modelul de AI este disponibil în regim open source pe platforma GitHub. De asemenea, cercetătorii au acordat licenţă pentru utilizarea modelului companiei Latent-Alpha, înfiinţată ca spin-off a Universităţii Yale, cu scopul de a facilita aplicarea sa în proiectarea vaccinurilor.
