一项由麻省理工学院（MIT）和哈佛大学拉贡研究所（Ragon Institute）与贾米尔诊所（Jameel Clinic）之间的激动人心的合作，在利用人工智能（AI）辅助T细胞疫苗候选物开发方面取得了重要里程碑。
拉贡研究所成员高拉夫·盖伊哈（Gaurav Gaiha）博士和麻省理工学院教授雷吉娜·巴尔齐莱（Regina Barzilay）博士在《自然机器智能》（Nature Machine Intelligence）上发表了研究，介绍了一种名为MUNIS的深度学习工具，该工具旨在以前所未有的准确性预测CD8+ T细胞表位。这一进展有可能加速针对各种传染病的疫苗开发。
该项目标志着拉贡研究所马克和丽莎·施瓦茨AI/ML倡议的第一个重大成果，该倡议旨在整合人工智能、机器学习和转化免疫学，以预防和治愈全球重要的传染病。这一倡议得到了拉贡研究所董事会主席马克·施瓦茨及其妻子丽莎·施瓦茨的慷慨支持。
通过结合盖伊哈实验室在T细胞免疫学方面的专长和巴尔齐莱实验室在AI领域的开创性工作，团队——由共同第一作者杰里米·沃尔伦德（Jeremy Wohlwend）博士和阿努莎·内森（Anusha Nathan）博士领导——致力于解决疫苗开发中的一个长期挑战：快速而准确地识别外来病原体中的T细胞表位。表位是抗原中被免疫细胞识别的特定区域，对于激活靶向免疫反应至关重要。
传统方法在预测表位的速度和准确性方面往往不尽如人意。通过引入机器学习，研究人员现在可以更快、更高效地识别T细胞表位。
MUNIS使用超过65万个独特的人类白细胞抗原（HLA）配体的数据集和前沿的AI架构，显著优于现有的表位预测模型。该工具使用来自流感病毒、HIV和Epstein-Barr病毒（EBV）的实验数据进行了验证，并成功识别了EBV中的新型免疫原性表位。值得注意的是，MUNIS的准确性与实验稳定性测定相当，后者是另一种表位预测方法，这表明它有潜力减少实验室负担并简化疫苗设计。
“这是我们首次在AI与免疫学交叉领域的论文。通过与盖伊哈博士及其团队的合作，我们学到了很多关于这个迷人领域的新知识，并对使用AI算法建模免疫系统复杂性的巨大可能性感到兴奋。”麻省理工学院教授雷吉娜·巴尔齐莱表示。
“这是人工智能的一个出色应用，从计算机科学家和免疫学家共享的见解中受益匪浅，”盖伊哈说。“感谢这一倡议将我们聚集在一起，从而创造了一个令人兴奋的新工具，用于免疫学和疫苗设计。”
这一突破的影响不仅限于疫苗研究。通过提供一种可靠的方法来预测最容易被免疫系统识别的免疫优势表位，MUNIS为癌症T细胞免疫疗法和自身免疫研究奠定了基础。在全球继续应对新兴传染病的背景下，像MUNIS这样的工具为增强准备状态提供了希望。
这一创新彰显了拉贡研究所在推进免疫学与技术交叉科学以拯救生命和促进全球健康的承诺。
来源：麻省理工学院和哈佛大学拉贡研究所
期刊参考文献：
Wohlwend, J., et al. (2025) 深度学习提高了对外来病原体中HLA I类呈现的CD8+ T细胞表位的预测能力。《自然机器智能》。doi.org/10.1038/s42256-024-00971-y。
(全文结束)
