研究人员开发基于人工智能的工具，为个性化癌症治疗铺平道路

由亚利桑那州立大学的科学家领导的一个团队开发了一种名为dhla inception的基于人工智能的学习工具，该工具揭示了关于个体免疫系统如何对外来细胞做出反应的新信息。这个基于人工智能的工具专注于一组名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系统是否可以识别威胁病毒和癌症的片段。这项研究发表在3月29日的《细胞系统》杂志上。研究小组分析了近6000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。

　　

在与癌症的持续斗争中，世界各地的科学家正在探索创新的方法来解开人类免疫系统的奥秘-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的科学家领导的一个团队开发了一种基于人工智能的学习工具，名为HLA Inception，该工具揭示了关于个体免疫系统如何对外来细胞做出反应的新信息。

这个基于人工智能的工具专注于一组名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系统是否可以识别威胁病毒和癌症的片段。

领导这项研究的亚利桑那州立大学分子科学学院助理教授Abhishek Singharoy说:“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，比如对抗某些癌症药物的存活率。”“现在有了这个工具，原本要花几天时间的事情只需要几秒钟。”

了解这种个体化分子相互作用信息对创造新的个性化癌症药物具有巨大的希望，有可能改变患者的护理。

这项研究发表在3月29日的《细胞系统》杂志上。

揭示MHC-1蛋白偏好的复杂性

在人体内，MHC-1蛋白在细胞表面充当守卫，提醒免疫系统注意外来入侵者。它们抓住细胞内的外来蛋白质或肽片段，并将其呈现给免疫系统以进行识别和攻击。

每个人的MHC-1蛋白对与之相互作用的蛋白质片段类型都有特定的偏好，能够预测哪些肽将有效地与哪些MHC-1分子结合，对于进一步了解我们的免疫系统如何工作的机制以及开发新的更高级的癌症疫苗至关重要。

然而，预测是具有挑战性的。

人类中有成千上万种不同版本的mhc - 1分子，因此很难建立一个通用的预测模型。

研究小组分析了近6000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驱动，利用蛋白质表面的不同电荷，也称为静电特征，将它们分为11种不同的类型。

这些信息可以用来预测MHC-1监测的蛋白质片段或肽是自身还是外来入侵者(非自身)。

研究人员还发现，MHC-1蛋白范围更多样化的患者，覆盖了11类中更多的MHC-1蛋白，在某些癌症治疗中存活的机会更高。

“机器学习在医疗保健领域的持续整合将有助于降低风险和个性化治疗，”该论文的作者之一埃里克·威尔逊(Eric Wilson)说，他是亚利桑那州立大学的校友，目前是西奈山伊坎医学院的博士后。“机器学习和人工智能可以通过不需要昂贵的实验来确定候选资格，从而提高新疗法对更广泛患者的可及性。”

研究人员致力于推动该领域的科学进步，将HLA-Inception免费提供给学术使用，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(Karen Anderson)说。“这是精准医疗的终极途径。下一代免疫疗法将根据个人的MHC分子高度精确和量身定制。”

研究人员设想这项工作有助于医疗保健的进步，特别是针对个别患者的定制治疗。

“这是一项有影响力的研究，其影响超出了学术界的限制，”辛格罗伊说，他也是亚利桑那州立大学应用结构发现生物设计中心的一名研究员。“我们现在的技术是最快的。”

参与这项研究的其他研究人员包括亚利桑那州立大学计算与增强智能学院的约翰·凯文·卡瓦;Diego Chowell，西奈山伊坎医学院精密免疫学研究所;以及梅奥诊所的Remya Raja, Kiran K. Mangalaparthi, Akhilesh Pandey和Marion Curtis。