教学参考-48

来自cslt Wiki
2022年8月25日 (四) 12:16Cslt讨论 | 贡献的版本

(差异) ←上一版本 | 最后版本 (差异) | 下一版本→ (差异)
跳转至: 导航搜索

教学目标

  • 了解人体免疫系统,理解免疫疗法的基本原理
  • 理解免疫疗法中寻找新生抗原的困难
  • 了解神经网络定位新生抗原中的原理

教学内容

免疫系统与疫苗

  • 人体免疫系统可以消灭各种细菌和病毒的入侵,是我们身体的忠实守护者。免疫过程的基本原理是免疫细胞通过识别和消灭具有特殊性的蛋白质片段来发现入侵者或被感染的细胞。这些特殊片段称为抗原。
  • 通过注射弱化或灭活的病原体或其代谢产物,可以定向刺激免疫系统,形成对相应抗原的识别能力,从而获得对该病原体的免疫力。这就是疫苗的基本原理。


免疫疗法

  • 既然疫苗如此有效,能否开发出对抗癌症细胞的疫苗呢?答案是可以的。早在一百多年前就有科学家进行了相关研究,且已经有一些成果投入临床应用,例如作为预防性的人乳头状瘤病毒(HPV)疫苗和作为治疗性的前列腺癌疫苗(Sipuleucel-T)。这种基于人体自身免疫能力的癌症治疗方法称为“免疫疗法”。
  • 尽管取得了一些进步,免疫疗法还无法做到对抗所有癌症。这是因为癌细胞通常会把自己伪装成正常细胞,要发现他们的特异性很难。
  • 为了能精准打击癌细胞,就要找到它们的特异性抗原。为此,科学家们开始将癌细胞和正常细胞放在一起“找茬”,检测出癌细胞中发生变异的蛋白质片段。如果能在这些变异片段中找到那些可以激活免疫反应的片段,就可以让免疫细胞精准地打击癌细胞了。这些能激发免疫反应的蛋白质片段称为“新生抗原”。

人工智能预测新生抗原

  • 然而,道路还是曲折的。科学家们发现,癌症和癌症之间的新生抗原有所不同,这意味着针对不同癌症要设计不同的疫苗。这个倒不是大问题。糟糕的是,即使是同一种癌症,不同患者的新生抗原也是不同的。这就麻烦了,因为要针对每个患者去试验哪些变异片段是有效的,这个工作量太大了,患者时间上等不及,从成本上讲也无法做到普及。
  • 于是,科学家们想到了人工智能,希望通过病人的基因信息来预测哪些变异片段可能作为新生抗原。目前,这一方法已经取得了很大进步。
  • 通过DNA/RNA测序,找出癌细胞的特异性片段,再利用人工智能方法预测那些最有可能被免疫系统发现的新生抗原。有了这些片段,就可以试制个性化的抗癌疫苗了。
  • 基于人工智能的新生抗原预测不仅可以降低成本,还可以极大提高寻找新生抗原的效率,为挽救患者的生命争取到了宝贵的时间。


基于神经网络的预测模型

  • 最近,《自然-机器智能》杂志发表了一篇文章,对病人肿瘤细胞表面的正常蛋白质建立深度学习模型,利用该模型判断异常蛋白质,从而发现有效的新生抗原。
  • 今天,人工智能已经在医疗健康的各个领域大展身手,癌症疫苗开发只是战场之一。随着人类基因库的完善和各种医疗信息的汇集,人工智能发挥作用的场景也会越来越多,成为人类健康的忠实守护者。