یک همکاری هیجانانگیز بین مؤسسه راگون و کلینیک جمیل در مؤسسه فناوری ماساچوست (MIT) به دستاوردی مهم در بهرهگیری از هوش مصنوعی برای کمک به توسعه واکسنهای مبتنی بر سلولهای T دست یافته است.
به گزارش بخش ایمونولوژی رسانه اخبار پزشکی مدنا، دکتر گوراو گایها، عضو هیئت علمی مؤسسه راگون، و پروفسور رجینا برزیلای، استاد MIT و مسئول هوش مصنوعی در کلینیک جمیل برای هوش مصنوعی و سلامت، پژوهشی را منتشر کردهاند که در آن از MUNIS، یک ابزار یادگیری عمیق، رونمایی شده است. این ابزار برای پیشبینی اپیتوپهای سلولهای T CD8+ با دقتی بیسابقه طراحی شده است. این پیشرفت میتواند روند توسعه واکسنها را در برابر بیماریهای عفونی مختلف تسریع کند.
این پروژه نخستین دستاورد مهم از ابتکار هوش مصنوعی و یادگیری ماشین مارک و لیزا شوارتز در مؤسسه راگون محسوب میشود که هدف آن ادغام هوش مصنوعی، یادگیری ماشین و ایمنیشناسی انتقالی برای پیشگیری و درمان بیماریهای عفونی مهم در سطح جهانی است. این ابتکار با حمایت مالی سخاوتمندانه مارک شوارتز، رئیس هیئت مدیره مؤسسه راگون، و همسرش لیزا شوارتز امکانپذیر شده است.
با ترکیب تخصص آزمایشگاه گایها در زمینه ایمنیشناسی سلولهای T و پیشگامی آزمایشگاه برزیلای در حوزه هوش مصنوعی، تیم تحقیقاتی به رهبری نویسندگان همکار اول، دکتر جرمی وُلوِند و دکتر آنوشا ناتان، درصدد حل یکی از چالشهای دیرینه توسعه واکسن برآمدند: شناسایی سریع و دقیق اپیتوپهای سلولهای T در پاتوژنهای خارجی. اپیتوپها نواحی خاصی از یک آنتیژن هستند که توسط سلولهای ایمنی بدن شناسایی شده و برای فعالسازی پاسخ ایمنی هدفمند حیاتی هستند. روشهای سنتی برای پیشبینی اپیتوپها معمولاً از نظر سرعت و دقت کارایی مطلوبی ندارند. با ادغام یادگیری ماشین، پژوهشگران اکنون قادر به شناسایی سریعتر و کارآمدتر اپیتوپهای سلولهای T هستند.
MUNIS با استفاده از یک مجموعه داده گزینششده شامل بیش از ۶۵۰ هزار لیگاند آنتیژن لکوسیتی انسانی (HLA) و معماریهای پیشرفته هوش مصنوعی، به میزان قابلتوجهی عملکرد بهتری نسبت به مدلهای پیشبینی اپیتوپ موجود از خود نشان داده است. این ابزار با استفاده از دادههای آزمایشی مربوط به ویروس آنفلوانزا، HIV و ویروس اپشتین بار (EBV) مورد ارزیابی قرار گرفته و توانسته است اپیتوپهای ایمنیزای جدیدی را در EBV، ویروسی که بهطور گسترده مورد مطالعه قرار گرفته، شناسایی کند. جالب اینکه، MUNIS به دقتی قابلمقایسه با آزمایشهای پایداری تجربی که نوع دیگری از روشهای پیشبینی اپیتوپ هستند، دست یافته است. این امر نشاندهنده پتانسیل آن در کاهش بار کاری آزمایشگاهها و بهینهسازی طراحی واکسن است.
رجینا برزیلای، استاد MIT، در این باره اظهار داشت: «این نخستین مقاله ما در تقاطع هوش مصنوعی و ایمنیشناسی است. از طریق این همکاری با دکتر گایها و تیمش، چیزهای زیادی درباره این حوزه شگفتانگیز آموختیم و از امکانات بیحدوحصر استفاده از الگوریتمهای هوش مصنوعی برای مدلسازی پیچیدگیهای سیستم ایمنی هیجانزده هستیم.»
یکی از عوامل کلیدی در توسعه MUNIS، همکاری نزدیک میان ایمنیشناسان و دانشمندان علوم رایانه بود. این مشارکت از مهارتها و تخصص منحصربهفرد هر دو گروه بهره برده و اثربخشی ابزار را در مواجهه با پیچیدگیهای زیستی تضمین کرده است. دکتر گایها در این باره گفت: «این یک کاربرد فوقالعاده از هوش مصنوعی است که بهطور قابلتوجهی از بینشهای بهاشتراکگذاشتهشده بین دانشمندان علوم رایانه و ایمنیشناسان بهره برده است. اعتبار این دستاورد به ابتکاری بازمیگردد که ما را گرد هم آورد و در نهایت به خلق ابزاری هیجانانگیز برای ایمنیشناسی و طراحی واکسن منجر شد.»
تأثیرات این پیشرفت فراتر از حوزه تحقیقاتی واکسن است. با ارائه روشی قابلاعتماد برای پیشبینی اپیتوپهای ایمونودومینانت، که بهراحتی توسط سیستم ایمنی شناسایی میشوند، MUNIS پایهای برای کاربردهای درمانی در ایمنیدرمانی سلولهای T برای سرطان و تحقیقات مربوط به بیماریهای خودایمنی ایجاد میکند. با توجه به اینکه جامعه جهانی همچنان با بیماریهای عفونی نوظهور مواجه است، ابزارهایی مانند MUNIS نویدبخش افزایش سطح آمادگی در این زمینه هستند. این نوآوری تعهد مؤسسه راگون را به پیشرفت علم در تقاطع ایمنیشناسی و فناوری برای نجات جان انسانها و ارتقای سلامت جهانی برجسته میکند.
