Imunoterapija gali būti revoliucinis ligų gydymas, pradedant nuo vėžio remisijos iki COVID-19 simptomų palengvinimo. Imunoterapijos metu naudojami antikūnai – baltymai, kurie jungiasi prie ląstelių žymenų, vadinamų antigenais, siekiant nukreipti ir pašalinti antigeną. Tačiau nepaisant to, kokia veiksminga gali būti imunoterapija, ji nėra plačiai naudojama, nes rasti tinkamus antikūnus gydymui sukurti yra sudėtingas ir daug laiko reikalaujantis darbas.
Tačiau Georgia Tech mokslininkai šį procesą šiek tiek palengvina. Jų naujasis įrankis AF2Complex naudojo gilų mokymąsi, kad nuspėtų, kurie antikūnai gali prisijungti prie liūdnai pagarsėjusio COVID-19 smaigalio baltymo. Tyrėjai sukūrė gilaus mokymosi modelio įvesties duomenis naudodami žinomų antigenų rišiklių sekas.
Šis metodas teisingai numatė 90% geriausių antikūnų per vieną testą su 1000 antikūnų ir buvo paskelbtas m. Nacionalinės mokslų akademijos darbai. COVID-19 gydymas yra tik jo potencialo pradžia.
„AF2Complex pagerina terapinį vystymąsi”, – sakė Biologijos mokslų mokyklos (SBS) vyresnysis mokslo darbuotojas Mu Gao. „Jei turite aukštos kokybės modelį, galite susitvarkyti su baltymų seka ir optimizuoti antikūnus, todėl jis labiau tinka vaistų kūrimui.
Gilaus mokymosi modelio kūrimas
Tyrėjai nebuvo pirmieji, kurie naudojo gilų mokymąsi baltymų struktūroms numatyti, tačiau jie žymiai išplėtė modelio galimybes. 2020 m. Nobelio premijos laureatas „Alphabet“ projektas „DeepMind AlphaFold“ padarė laimėjimų naudodamas gilųjį mokymąsi, kad būtų galima numatyti atskirų baltymų baltymų struktūras. Georgia Tech mokslininkai pastūmėjo modelį, kad nuspėtų baltymų kompleksų struktūras.
2021 m. jie sukūrė pirmąją AF2Complex versiją, kuri galėtų numatyti kelių sudėtingų baltymų, tokių kaip E. coli, sąveiką. Kitas žingsnis buvo pritaikyti jį žmogaus baltymams, bet daug sunkesnis.
„Paprastai, kai prognozuojate baltymų ir baltymų sąveiką, baltymo paviršiaus plotas yra gana didelis, todėl galite sau leisti padaryti keletą klaidų naudodami netobulą modelį“, – sakė Jeffrey Skolnickas, Regentų profesorius ir Mary and Maisie Gibson. SBS pirmininkas ir Georgia Research Alliance Eminent Scholar.
„Tačiau antikūnų ir baltymų sąveika užima daug mažesnę sąsajos sritį. Įsivaizduokite, kad nuo pataikymo į didelį taikinį bet kur iki pataikymo į akis.”
Didžiausias iššūkis buvo nustatyti, kaip numatyti antikūnų ir antigenų sąveiką. Tyrėjai daugiausia dėmesio skyrė COVID-19 virusui, nes jame buvo daug sudėtingų antigenus surišančių sekų ir epitopų – specifinės molekulės srities, kuri sąveikauja su B ir T ląstelėmis, kad sukeltų imuninį atsaką.
COVID-19 taip pat buvo plačiai prieinamas duomenų rinkinys, skirtingai nuo daugelio imunoterapijos metodų, prie kurių gali naudotis tik farmacijos įmonės. Iš tikrųjų COVID-19 duomenų bazė pasiūlė turtingą AF2 algoritmo mokymo aplinką.
Skolnickas ir Gao naudojo COVID-19 sekas iš žinomų antikūnų, kad nustatytų evoliucinius ryšius ir modelius, pagerindami prognozių tikslumą. Iš ten jie pritaikė AF2 giluminio mokymosi modelį, jau apmokytą pagal daugybę baltymų struktūros duomenų.
Modelis naudojo sekas, kad nuspėtų, kaip baltymai susilanksto ir sąveikauja, sukuriant 3D baltymų kompleksų struktūrą. Be to, jis gali sukurti 3D struktūras daugiau nei vienam dominuojančiam epitopui.
Prognozės buvo patvirtintos remiantis eksperimentiniais duomenimis, tobulinant modelį. Su šiomis numatomomis struktūromis mokslininkai gali padaryti viską – nuo geresnio biologinių procesų supratimo iki naujų vaistų kūrimo.
Ateities viruso gydymas
Tyrėjai mano, kad gilaus mokymosi technologijos gali pakeisti būsimų ligų gydymą. Turėdami begalinius išteklius ir laiką, mokslininkai galėtų rankiniu būdu išbandyti kiekvieną antikūno ir antigeno derinį, tačiau joks mokslininkas to neturi. AF2Complex gali susiaurinti dėmesį ir greičiau pradėti gydymą.
„Įsivaizduokite, kad atsiranda virusas iš pragaro. Galite sukurti antikūnų seriją naudodami šį algoritmą, kad sutrumpėtų vakcinos kūrimo laikas”, – sakė Skolnickas. „Nėra tikro eksperimento pakaitalų, tačiau AF2Complex gali nustatyti pirmenybę, kuriems eksperimentams turėtumėte atlikti, todėl turėsite daugiau smūgių į tikslą.
Mokslininkai jau bendradarbiauja su Emory universitetu, kad atliktų eksperimentus, patvirtinančius AF2Complex išvadas. Jie taip pat siekia modelio komercializavimo. Kai prasidės kita pandemija, būsime geriau pasiruošę.