人工智能正越来越多地被用于帮助科学家加速药物发现和寻找新治疗方法。但要使AI工具有效工作，研究人员需要知道它们是否能在现实世界情境中得到验证和应用。
南佛罗里达大学的一个研究团队正朝着这个方向迈出一步，他们将AI与免疫学相结合，这种方式可能增强肿瘤治疗以及新药物和疫苗的开发。
在发表于《自然-机器智能》（Nature Machine Intelligence）的一项新研究中，南佛罗里达大学健康莫萨尼医学院的研究人员检查了AI工具预测免疫系统最重要工作之一的能力：识别体内不属于自身的物质。
这一过程对于对抗感染至关重要，并在免疫疗法的开发中起着主要作用，免疫疗法是旨在帮助患者自身免疫系统攻击疾病的治疗方法。
"AI工具在帮助研究人员开发疫苗、药物和癌症疗法方面正扮演着越来越重要的角色，"南佛罗里达大学健康信息学研究所教授Dong Xu表示，"然而，如果这些工具没有在现实条件下进行仔细测试，它们可能会产生误导性或有偏见的结果。"
该研究由Xu和南佛罗里达大学健康信息学研究所助理研究教授Fei He领导。来自密苏里哥伦比亚大学的实习生Xianyu Wang也是合著者。
测试AI对免疫识别的预测
研究人员与一个名为PanPep（泛肽元学习的缩写）的AI模型合作，开发了一个系统性和全面的评估框架，用于测试计算工具预测身体特定细胞是否能识别和响应抗原的能力，抗原是触发免疫反应的物质。
这个问题对药物发现至关重要，因为免疫系统识别这些目标的能力决定了身体能否检测和响应感染、肿瘤或疫苗。
他们的新框架可应用于广泛的免疫学预测问题，包括肽-HLA（人类白细胞抗原）结合、肽-T细胞受体相互作用、抗原呈递以及其他肽或抗原驱动的相互作用。这些重要过程帮助免疫细胞识别体内哪些属于自身，哪些可能是威胁。
He表示："我们的研究测试了AI工具预测一种重要免疫系统相互作用的能力，这可能有助于指导癌症免疫疗法和疫苗的开发。我们的发现突显了当前AI方法的优势和弱点，并为构建安全、更可靠的医疗AI工具提供了指导。"
免疫细胞如何发现威胁
免疫细胞识别并对抗原（如细菌、病毒或肿瘤细胞上的蛋白质，可作为外来标记物，提醒免疫系统可能存在威胁）作出反应。
适应性免疫细胞，包括T细胞和B细胞，使用特定受体来识别有害入侵者，如病毒、过敏原、毒素或癌细胞。其他免疫细胞则摄取这些入侵者，将其分解成抗原片段，并将这些片段呈现出来，以激活针对性的免疫防御。
PanPep在预测反应中的作用
研究团队使用PanPep和其他工具来预测T细胞受体如何与抗原结合。该工具开发用于解决数据有限的挑战，可以创建情景来预测未见过或罕见肽的结合，肽是可作为关键免疫系统目标的小氨基酸链。
准确预测肽和T细胞受体结合使科学家能够识别和设计针对特定免疫细胞的正确"触发"肽。这些触发肽可以加速免疫疗法并挽救生命。
通过缩小实验室测试的最佳候选范围，研究人员可以减少对大规模生物实验的需求，这些实验既耗时又昂贵。
迈向更快、更个性化的治疗
USF研究代表了向更可靠的AI指导的个性化癌症疗法和疫苗迈出了重要一步。例如，使用PanPep等工具，科学家可能能够在计算机上模拟肿瘤学筛查过程，潜在地将时间框架从数月或数年缩短到几天。
例如，如果医生能够快速识别出对四期癌症患者的有希望的治疗方法，可能会延长其生命。但作者指出，虽然元学习方法可以仅用少量实验数据构建准确的特定目标模型，但在安全用于指导个性化护理之前，它们需要经过仔细测试和改进。
作者表示："由于现实应用通常涉及全新的免疫目标，目前尚不清楚这些模型能在多大程度上处理真正未见过的情况。这就是本研究的初始理由。"
出版详情：可重复性报告：抗原特异性T细胞受体结合体识别的元学习，《自然-机器智能》(2026)。DOI: 10.1038/s42256-026-01236-6
期刊信息：《自然-机器智能》
关键医疗概念：癌症免疫疗法
临床类别：过敏与免疫学、肿瘤学
由南佛罗里达大学提供
【全文结束】