Как системы машинного обучения могут революционизировать разработку вакцин.

Автор: Cindy Wen

TL;DR

Процесс разработки вакцин был значительно улучшен благодаря системам AI/ML. Исследователи Массачусетского технологического института разработали подход, основанный на трехэтапном машинном обучении (МО), который обеспечивает возможное решение проблемы эффективности вакцины. Эта вычислительная система позволяет разрабатывать потенциальные вакцины с оптимизированной эффективностью для различных групп населения.

Разбивка

  • Вакцины разработаны с использованием ключевых компонентов вируса, чтобы подвергнуть организм воздействию патогена, не вызывая заболевания, и подготовить иммунную систему к борьбе с любым последующим воздействием.
  • Отчасти благодаря силе ИИ разработка вакцины против COVID-19 намного превзошла то, что изначально считалось возможным, поскольку испытания на людях проводились менее чем через 3 месяца после первоначальной вспышки в Китае.
  • Системы AI/ML и связанный с ними вычислительный анализ играют жизненно важную роль в разработке вакцин, позволяя ученым глубже понять структуру вируса, иммунный ответ, изменения генома и общую эффективность лекарств.
  • В настоящее время существует целый ряд вакцин против COVID-19, доступных для введения, и многие другие находятся в стадии разработки, каждаякаждая из которых демонстрирует разный уровень эффективности в разных группах населения,следствие значительная генетическая изменчивость в белке MHC (главный комплекс гистосовместимости) между группами населения

Технология

  • Исследователи из Массачусетского технологического института разработали основанный на машинном обучении подход к оценке и разработке вакцин с оптимальной эффективностью для различных групп населения (белых, черных, азиатских).

Трехэтапный процесс:

  • Шаг 1: пептиды (белковые последовательности) с желаемыми свойствами вакцины фильтруются и проверяются.
  • Этап 2: белковые последовательности затем оцениваются по фактору иммуногенности с помощью двухэтапной оптимизации OptiVax. Это позволит идентифицировать все фрагменты исходного вирусного белка, которые потенциально могут привести к созданию эффективной вакцины.
  • Этап 3. Фрагменты предполагаемых вакцинных пептидов оптимизируются по частоте аллелей, которая отвечает за географическую изменчивость последовательностей MHC класса I и II.

  • Было показано, что после использования этой системы предложенная вакцина обеспечивает 93,21% охват населения MHC класса I и 97,21% охват MHC класса II для SARS-CoV- 2

Значение

  • Система OptiVax и EvalVax ML может решить проблему охвата вакцинацией путем компьютерного проектирования возможных вакцин-кандидатов с оптимизированным иммунитетом для населения разных национальностей и географических регионов.
  • Эти вычислительные системы эффективны в ускорении темпов исследования лекарств, но не считаются заменой традиционным экспериментальным и клиническим исследованиям наряду с различными методами «мокрой лаборатории».
  • По мере того, как эффективность инструментов ИИ/МО в разработке вакцин продолжает расти, растет и потенциальная перспектива того, что однажды они помогут решить более сложные задачи, связанные с вакцинами, начиная от разработки вакцины против ВИЧ и заканчивая синтезом вакцины против гриппа, способной оставаться эффективной более 1 года.

Дополнительная информация

Вычислительно оптимизированные составы вакцин против SARS-CoV-2 MHC класса I и II, по прогнозам, нацелены на распределение гаплотипов человека

ИИ и поиски вакцины

Искусственный интеллект для открытия лекарств от COVID-19 и разработки вакцин

Что ИИ может и чего не может сделать в гонке за вакциной против коронавируса

Полный список источников

Статьи по теме: 💊 Принимайте как предписано — Dr. AI 💊 и 🧬 AlphaFold 🧬