Home Notizie recenti Il modello di apprendimento automatico può distinguere i bersagli anticorpali

Il modello di apprendimento automatico può distinguere i bersagli anticorpali

138
0

Anticorpi diversi (verde, acqua, rosa) attaccano parti diverse della particella virale SARS-CoV-2 (sfera gialla/arancione). Le proteine ​​spike del virus (viola) sono un bersaglio anticorpale chiave, con alcuni anticorpi che si attaccano alla parte superiore (viola più scuro) e altri allo stelo (zona più chiara). Credito: Yiquan Wang

Un nuovo studio mostra che è possibile utilizzare le sequenze genetiche degli anticorpi di una persona per prevedere quali agenti patogeni saranno presi di mira da quegli anticorpi. Segnalato nel diario Immunitàil nuovo approccio distingue con successo tra gli anticorpi contro l’influenza e quelli che attaccano SARS-CoV-2, il virus che causa COVID-19.

“La nostra ricerca è in una fase molto precoce, ma questo studio proof-of-concept mostra che possiamo utilizzare l’apprendimento automatico per collegare la sequenza di un anticorpo alla sua funzione”, ha affermato Nicholas Wu, professore di biochimica all’Università dell’Illinois Urbana-Champaign che ha guidato la ricerca con il dottorato di ricerca in biochimica U. of I. studente Yiquan Wang; e Meng Yuan, uno scienziato del personale presso Scripps Research a La Jolla, in California.

Con dati sufficienti, gli scienziati dovrebbero essere in grado di prevedere non solo il virus che un anticorpo attaccherà, ma quali caratteristiche dell’agente patogeno a cui si lega l’anticorpo, ha detto Wu. Ad esempio, un anticorpo può legarsi a parti diverse della proteina spike sul virus SARS-CoV-2. Sapere questo consentirà agli scienziati di prevedere la forza della difesa immunitaria di una persona, poiché alcuni bersagli di un agente patogeno sono più vulnerabili di altri.

Il nuovo approccio è stato reso possibile dall’abbondanza di dati relativi agli anticorpi contro SARS-CoV-2, ha detto Wu.

“In 20 anni, gli scienziati hanno scoperto circa 5.000 anticorpi contro il virus dell’influenza”, ha detto. “Ma in soli due anni, le persone hanno identificato 8.000 anticorpi per COVID. Ciò offre un’opportunità mai vista prima per studiare come funzionano gli anticorpi e per fare questo tipo di previsione”.

Il modello di apprendimento automatico può distinguere i bersagli anticorpali

Da sinistra, dottorato di ricerca lo studente Yiquan Wang, il professore di biochimica Nicholas Wu ei loro colleghi hanno sviluppato un metodo per differenziare i bersagli anticorpali in base alle loro sequenze genetiche. Credito: Michelle Hassel

I ricercatori hanno utilizzato i dati sugli anticorpi di 88 studi pubblicati e 13 brevetti. I set di dati erano abbastanza grandi da consentire ai ricercatori di addestrare il loro modello per fare previsioni basate sulla sequenza genetica degli anticorpi.

Il modello è stato progettato per distinguere se le sequenze codificate per gli anticorpi prendono di mira le regioni del virus dell’influenza o del virus SARS-CoV-2. I ricercatori hanno quindi verificato l’accuratezza di tali previsioni.

“La precisione era vicina all’85% in totale”, ha detto Wang.

“In realtà sono rimasto piuttosto sorpreso dal fatto che abbia funzionato così bene”, ha detto Wu.

Il team sta lavorando per migliorare il suo modello in modo che possa determinare con maggiore precisione quali parti del virus attaccano gli anticorpi.

“Se riusciamo a fare queste previsioni sulla base della sequenza di anticorpi, potremmo anche essere in grado di tornare indietro e progettare anticorpi che si legano a specifici agenti patogeni”, ha detto Wu. “Questo non è qualcosa che possiamo fare ora, ma queste sono alcune implicazioni per lo studio futuro”.


Articolo precedenteI ricercatori descrivono fattori di rischio precedentemente sconosciuti per la leucemia in età adulta
Articolo successivoUno strumento di screening ampliato potrebbe migliorare la diagnosi e il trattamento dei disturbi da uso di sostanze