人工智能，助力T细胞标靶预测

文/陈根

特异性免疫(specific immunity)又称获得性免疫或适应性免疫,它是由人体经后天感染(病愈或无症状的感染)或人工预防接种(菌苗、疫苗、类毒素、免疫球蛋白等)之后,而使机体获得的一种抵抗感染的能力。

一般而言,其要在微生物等抗原物质刺激下才能形成免疫球蛋白或免疫淋巴细胞,才与抗原产生某种特异性反应。

在人体的特异性免疫系统中,B细胞产生针对病原体的抗体,T细胞在受到抗原刺激后,转化为致敏淋巴细胞,表现出特异性免疫应答,从而杀伤入侵的病原体。

免疫过程有感应、反应、效应三个阶段。在反应阶段,致敏淋巴细胞会与抗原接触,释放出多种淋巴因子与巨噬细胞。与此同时,杀伤性T细胞会协同发挥免疫功能,其中,每个T细胞都依靠T细胞抗原受体来辨别外来抗原并与之结合,以此识别特定的病原体,

T细胞识别标靶的原理类似于钥匙开锁,T细胞中的T细胞抗原受体就像一把钥匙,而人体细胞上的“抗原肽-MHC复合物”就像一把锁,只有当两者匹配时,T细胞才能精准地杀伤病原体。

然而,每个人体内的T细胞抗原受体分子种类众多,要确认它们各自针对的病原体比较困难。这就导致T细胞虽在对抗病毒感染和癌症中扮演着重要角色,但T细胞标靶的确认往往不是件易事。

为解决这一问题,研究人员开发出一种新型人工智能模型,其能根据T细胞抗原受体分子关键区域的氨基酸序列,预测识别特定的抗原。这种模型跟现有的预测方法相比,准确性更高。

该模型可以研究人体内哪些T细胞可以识别流感病毒、乙型肝炎病毒等常见病毒,还可以分析杀伤乙肝病毒的T细胞在疾病发展中扮演的角色,因此,在理解免疫系统如何对抗感染、自免疫疾病、癌症等方面,其具有较大的发展潜力。

目前,相关论文已发表在美国《公共科学图书馆·计算生物学》杂志上。未来,该模型有助于揭示人体免疫应答在各种自免疫疾病中发挥的作用,还有助于对比新的抗癌靶向药物对于不同癌症患者的效果差异。