研究小组分析了近 6,000 个 MHC-1 复合物，发现了可以识别这些偏好并预测广泛人群免疫反应的模式。

HLA INCEPTION 工具由人工智能和机器学习提供支持，利用蛋白质表面的不同电荷(也称为静电特征)将其分为 11 种不同类型。

然后，该信息可用于预测 MHC-1 正在监测的蛋白质片段或肽是自体入侵者还是外来入侵者(非自体)。

研究人员还发现，具有更多样化的 MHC-1 蛋白(涵盖 11 类中更多)的患者在某些癌症治疗中存活的机会更高。

查看更多

图片来源：亚利桑那州立大学

在与癌症的持续斗争中，全球科学家正在探索创新方法来解开人类免疫系统的奥秘，即保护身体免受疾病侵害的器官、细胞和蛋白质的复杂网络。

由亚利桑那州立大学科学家领导的团队开发了一种名为HLA Inception的基于人工智能的学习工具，该工具发现了有关个体免疫系统如何对外来细胞做出反应的新信息。

基于人工智能的工具专注于一组称为主要组织相容性复合体-1 (MHC-1) 的蛋白质，可以在几秒钟内对个体特有的特定蛋白质组进行分类，并预测一个人的免疫防御是否可以识别威胁片段病毒和癌症。

“我们能够根据人类与生俱来的分子细节来预测患者的病理结果，例如对某些癌症药物的生存率，”领导该研究的亚利桑那州立大学分子科学学院助理教授Abhishek Singharoy说。学习。 “现在有了这个工具，原本需要几天时间完成的事情只需几秒钟。”

了解这种个性化的分子相互作用信息为创造新的个性化癌症药物带来了巨大的希望，并有可能改变患者的护理。

该工作于3月29日发表在《Cell Systems 》杂志上。

揭开 MHC-1 蛋白质偏好的复杂性

在人体内，MHC-1 蛋白充当细胞表面的守卫，向免疫系统发出外来入侵者的警报。它们抓取细胞内的外来蛋白质或肽片段，并将其呈现给免疫系统进行识别和攻击。

每个人的 MHC-1 蛋白对其相互作用的蛋白片段类型都有特定的偏好，并且能够预测哪些肽将有效结合哪些 MHC-I 分子对于进一步了解我们的免疫系统如何工作的机制和发展至关重要新的更先进的癌症疫苗。

然而，预测具有挑战性。

人类中有数千种不同版本的 MHC-I 分子，因此很难创建通用的预测模型。

研究小组分析了近 6,000 个 MHC-1 复合物，发现了可以识别这些偏好并预测广泛人群免疫反应的模式。

HLA Inception 工具由人工智能和机器学习提供支持，利用蛋白质表面的不同电荷(也称为静电特征)将其分为 11 种不同类型。

然后，该信息可用于预测 MHC-1 正在监测的蛋白质片段或肽是自体入侵者还是外来入侵者(非自体)。

研究人员还发现，具有更多样化的 MHC-1 蛋白(涵盖 11 类中更多)的患者在某些癌症治疗中存活的机会更高。

“机器学习在医疗保健中的持续整合将有助于降低风险和个性化治疗，”该论文的作者、亚利桑那州立大学校友、目前西奈山伊坎医学院的博士后研究员埃里克·威尔逊(Eric Wilson)说。 “机器学习和人工智能可以通过消除昂贵的实验来确定候选资格的需要，从而提高更广泛的患者群体获得新疗法的可及性。”

致力于推进该领域的科学进步，研究人员已免费提供 HLA-Inception 供学术使用，为免疫治疗领域的广泛合作和创新奠定了基础。

“我很高兴能够使用这些工具来开发更好的癌症治疗疫苗和免疫疗法，”该论文的合著者、亚利桑那州立大学生命科学学院教授凯伦·安德森说。 “这是精准医学的终极方法。下一代免疫疗法将非常精确，并根据个体的 MHC 分子进行定制。”

研究人员预计这项工作将有助于医疗保健的进步，特别是针对个体患者制定治疗方案。

“这是一项有影响力的研究，其影响超出了学术界的范围，”辛哈罗伊说，他也是亚利桑那州立大学应用结构发现生物设计中心的研究员。 “我们的技术现在是最快的。”