Cell子刊：新型AI工具，为个性化癌症治疗铺平道路

亚利桑那州立大学的研究人员在 Cell 子刊 Cell Systems 上发表了题为：The electrostatic landscape of MHC-peptide binding revealed using inception networks 的研究论文。

该研究开发了一种基于人工智能（AI）的工具——HLA Inception。该AI工具专注于一组名为主要组织相容性复合物-1（MHC-1）的蛋白质，可以在几秒钟内对特定的蛋白质组进行分类，并预测一个人的免疫系统是否能够识别来自病毒或癌症的蛋白片段。理解这种个性化的分子相互作用信息具有创造新的个性化癌症药物的巨大潜力，有可能改变患者的治疗。

该论文的通讯作者 Abhishek Singharoy 教授表示，我们能够根据人类与生俱来的分子细节预测患者的病理结果，例如对某些癌症药物的生存率。现在有了这个AI工具，以前需要几天的时间做出的预测，现在只需要几秒钟。

在人体内，MHC-1蛋白在细胞表面扮演着警卫角色，提醒我们的免疫系统注意外来入侵者，它们“抓住”细胞内的外来的蛋白质或多肽片段，并将其呈递给免疫系统进行识别和攻击。

每个人的MHC-1蛋白对与之相互作用的蛋白质片段类型都有特定的偏好，能够预测哪些多肽将有效地与哪些MHC-I分子结合至关重要，这对于进一步了解我们免疫系统的工作机制以及开发新的更先进的癌症疫苗至关重要。

然而，预测是具有挑战性的。这是因为人类群体中有着数千种不同的MHC-I分子版本，这使得创建一个通用的预测模型非常困难。

在这项研究中，研究团队通过分析5821个MHC-1复合物，发现了可以识别这些结合偏好的模式，并预测广泛人群的免疫反应。研究团队开发了一个名为HLA Inception的工具，由人工智能和机器学习驱动，使用MHC-1表面的不同电荷（也称为静电标签）将它们分为11种不同的类型。然后，这个信息可以用来预测MHC-1正在监测的蛋白质片段或多肽是自体还是外来入侵者。

研究团队还发现，MHC-1蛋白更多样化的患者，即他们覆盖了11类中更多的MHC-1蛋白，在基于免疫检查点抑制剂的癌症治疗中存活的机会更高。

论文第一作者 Eric Wilson 博士表示，机器学习在医疗保健中的持续整合将有助于降低治疗风险、提高个性化治疗，机器学习和人工智能还可以通过减少昂贵的实验并确定候选治疗药物，提高新疗法对更广泛患者群体的可及性。

为推动该领域的科学进步，研究团队已将HLA-Inception免费提供给学术界使用，为免疫治疗领域的广泛合作和创新奠定了基础。研究团队设想这项工作将有助于推动医疗保健的进步，特别是为患者量身定制治疗方法。

论文共同通讯作者 Karen Anderson 教授表示，我很高兴使用这些工具开发更好的癌症治疗疫苗和免疫疗法，这是精准医学的终极方法。下一代免疫疗法将基于个性化的MHC分子高度精确和量身定制。