Inteligentniejsze projektowanie szczepionek: naukowcy z UTMB wykorzystują sztuczną inteligencję do zwalczania nowych alfawirusów
Integracja uczenia maszynowego i biologii strukturalnej umożliwia identyfikację epitopów o wysokim potencjale immunogennym w wielu gatunkach alfawirusów
W artykule:
- Charakterystyka alfawirusów i ich znaczenie epidemiologiczne
- Nowe podejście do projektowania szczepionek oparte na AI
- Pipeline obliczeniowy i identyfikacja epitopów
- Walidacja eksperymentalna i odpowiedź immunologiczna
- Potencjał szczepionek pan-alfawirusowych
- Znaczenie technologii dla przyszłości wakcynologii
Zespół naukowców z The University of Texas Medical Branch (UTMB), kierowany przez dr Nikosa Vasilakisa oraz dr Petera McCaffreya, opracował nowy pipeline obliczeniowy, który może istotnie przyspieszyć rozwój szczepionek przeciwko grupie wirusów przenoszonych przez komary, znanych jako alfawirusy.
Dr Vasilakis pełni funkcję profesora oraz zastępcy kierownika ds. badań, natomiast dr McCaffrey jest adiunktem praktyki klinicznej i dyrektorem UTMB AI Center – obaj pracują w Department of Pathology. Badania przeprowadzono we współpracy z zespołami naukowymi z Brazylii i Panamy.
Wyniki opublikowane w czasopiśmie Science Advances opisują zintegrowany, iteracyjny system projektowania szczepionek, który łączy uczenie maszynowe, biologię strukturalną oraz walidację laboratoryjną w celu identyfikacji obiecujących celów szczepionkowych jednocześnie dla wielu powiązanych wirusów.
Charakterystyka alfawirusów i ich znaczenie epidemiologiczne
Alfawirusy, odpowiedzialne za ogniska chorób takich jak chikungunya czy końskie zapalenie mózgu, są przenoszone przez komary i mogą powodować ciężką gorączkę, zapalenie stawów oraz objawy neurologiczne zarówno u ludzi, jak i zwierząt.
Jak podkreśla dr Vasilakis, alfawirusy stale pojawiają się i nawracają w różnych regionach świata, a tradycyjne metody opracowywania szczepionek nie nadążają za tempem ich ewolucji i rozprzestrzeniania.
Nowe podejście do projektowania szczepionek oparte na AI
Aby odpowiedzieć na to wyzwanie, badacze opracowali szybki pipeline analityczny, który analizuje białka wirusowe w celu identyfikacji krótkich fragmentów – epitopów – zdolnych do indukowania silnej odpowiedzi immunologicznej. System ocenia te fragmenty pod kątem immunogenności, pokrycia genetycznego w populacji, stabilności oraz rozpuszczalności.
Zaproponowane podejście integruje predykcje obliczeniowe z walidacją eksperymentalną, co umożliwia identyfikację celów szczepionkowych zapewniających potencjalnie szeroką ochronę przeciwko wielu wirusom jednocześnie.
Walidacja eksperymentalna i odpowiedź immunologiczna
W celu potwierdzenia trafności predykcji wykorzystano mikromacierze peptydowe oraz modelowanie molekularne, które wykazały, że wybrane epitopy prawidłowo wiążą się z receptorami układu odpornościowego. Analizy te pozwoliły zidentyfikować dziesiątki epitopów wykazujących reaktywność wobec wielu gatunków alfawirusów, co stanowi istotny krok w kierunku opracowania szczepionki pan-alfawirusowej.
Potencjał szczepionek pan-alfawirusowych
Zastosowanie pipeline’u umożliwiło przesiew setek peptydów wirusowych i identyfikację zestawu kandydackich epitopów zdolnych do aktywacji odpowiedzi immunologicznej wobec wielu alfawirusów. Testy laboratoryjne z wykorzystaniem komórek odpornościowych myszy oraz ludzi wykazały, że część tych peptydów aktywuje limfocyty T oraz indukuje wydzielanie kluczowych cytokin, takich jak interferon gamma (IFN-γ), czynnik martwicy nowotworów alfa (TNF-α) oraz interleukina 2 (IL-2).
Znaczenie technologii dla przyszłości wakcynologii
Jak zaznacza dr McCaffrey, nowe podejście umożliwia odejście od strategii opracowywania szczepionek dla pojedynczych wirusów na rzecz bardziej kompleksowego, proaktywnego modelu, który pozwala prowadzić analizy na niespotykaną dotąd skalę. Integracja uczenia maszynowego, biologii strukturalnej oraz badań laboratoryjnych umożliwia szybkie zawężenie listy najbardziej obiecujących celów terapeutycznych.
Co istotne, opracowany pipeline stanowi powtarzalny model pracy, który łączy predykcje obliczeniowe z walidacją eksperymentalną, oferując uniwersalny schemat dla przyszłych badań nad szczepionkami.
Obecnie badacze kontynuują ocenę najbardziej obiecujących kandydatów szczepionkowych w modelach zwierzęcych, dążąc do opracowania preparatów zapewniających szeroką ochronę zarówno przeciwko alfawirusom, jak i innym pojawiającym się patogenom.
Jak podkreśla dr Vasilakis, jest to pierwsza publikacja, w której wykorzystano sztuczną inteligencję i uczenie maszynowe do opracowania kandydata szczepionki pan-genus, który został następnie potwierdzony eksperymentalnie.
Źródło: Science Advances, Integrated reiterative pipeline for rapid epitope-based pan-alphavirus vaccines
DOI: https://www.science.org/doi/10.1126/sciadv.aeb2066
