识别新的免疫治疗靶点的人工智能策略

　　克利夫兰诊所和IBM的研究人员发表了一项通过人工智能(AI)确定免疫治疗新靶点的策略。这是两个组织“发现加速器”伙伴关系的第一份同行评议出版物，旨在推进卫生保健和生命科学的研究。

　　该团队共同开发了有监督和无监督的人工智能，以揭示肽抗原的分子特征，肽抗原是免疫细胞用来识别威胁的小块蛋白质分子。项目成员来自克利夫兰诊所的Timothy Chan医学博士，IBM的Jeff Weber博士，高级研究科学家，以及医疗保健和生命科学加速发现经理和战略主管Wendy Cornell博士。

　　“在过去，我们所有关于癌症抗原靶点的数据都来自试验和错误，”陈博士说，他是克利夫兰诊所免疫治疗和精密免疫肿瘤学中心的主席，也是Sheikha Fatima Bint Mubarak免疫治疗和精密免疫肿瘤学的主席。“与IBM的合作使我们能够突破人工智能和健康科学研究的界限，改变我们开发和评估癌症治疗目标的方式。”

　　几十年来，科学家们一直在研究如何更好地识别抗原，并利用它们攻击癌细胞或感染病毒的细胞。事实证明，这项任务具有挑战性，因为抗原肽根据细胞表面的特定特征与免疫细胞相互作用，这一过程仍未得到很好的理解。

　　研究一直受到影响免疫系统如何识别这些目标的变量数量的限制。通过常规计算来识别这些变量是困难且耗时的，因此当前的模型是有限的，有时是不准确的。

　　该研究发表在《生物信息学简报》上，发现考虑分子形状随时间变化的人工智能模型可以准确描述免疫系统如何识别目标抗原。通过这些模型，研究人员可以专注于哪些过程对疫苗和工程免疫细胞等免疫疗法至关重要。

　　研究人员可以将这些见解纳入其他人工智能模型中，以确定更有效的免疫治疗靶点。

　　韦伯博士说:“这些发现是使这种合作关系成功的一个例子——将IBM的尖端计算资源与克利夫兰诊所的医疗专业知识结合起来。”“这些发现来自于从世界级癌症免疫治疗专家到我们基于物理的模拟和人工智能专家的所有人之间的关键合作。与创新相结合的合作具有巨大的潜力。”

　　更多信息:Jeffrey K Weber等人，Unsupervised and supervised AI on molecular dynamics simulation揭示hla - a2肽免疫原性的复杂特征，briefing in Bioinformatics(2024)。DOI: 10.1093/bib/bbad504由Cleveland Clinic提供引文:用于识别新的免疫治疗靶点的AI策略(2024年1月23日)检索于2024年1月24日https://medicalxpress.com/news/2024-01-ai-strategy-immunotherapy.html。除为私人学习或研究目的而进行的任何公平交易外，未经书面许可，不得转载任何部分。内容仅供参考之用。