פרויקט שאפתני בהובלת חוקרי המרכז הרפואי באוניברסיטת ונדרבילט נועד להשתמש בטכנולוגיות בינה מלאכותית כדי לייצר טיפולי נוגדנים כנגד כל יעד אנטיגן מעניין.
VUMC הוענקו עד 30 מיליון דולר מהסוכנות המתקדמת של פרויקטים מחקריים לבריאות (ARPA-H) לבניית אטלס מסיבי-נוגדנים-אנטיגן, לפתח אלגוריתמים מבוססי AI להנדסת נוגדנים ספציפיים לאנטיגן, וליישם את טכנולוגיית ה- AI כדי לזהות ולפתח נוגדנים פוטנציאליים.
ARPA-H היא סוכנות במחלקת שירותי הבריאות והשירותים האנושיים האמריקניים התומכת במחקר טרנספורמטיבי בסיכון גבוה ותגמול גבוה כדי להניע פריצות דרך ביו-רפואיות ובריאותיות לטובת כולם.
במהלך העשורים האחרונים, נוגדנים מונוקלונליים החלו למלא תפקיד טיפולי חשוב במגוון רחב של הגדרות מחלות, אך אנו פשוט מגרדים את פני השטח. לגילוי נוגדנים מונוקלונליים יש פוטנציאל להשפיע על הרבה מחלות שונות בהן כרגע אין טיפולים. "
איוולין ג'ורג'יב, דוקטורט, פרופסור לפתולוגיה, מיקרוביולוגיה ואימונולוגיה, מנהל מרכז ונדרבילט למיקרוביולוגיה ואימונולוגיה חישובית, והחוקר הראשי בפרויקט
שיטות מסורתיות לגילוי נוגדנים מוגבלות על ידי חוסר יעילות, עלויות גבוהות ושיעורי כישלון, מכשולים לוגיסטיים, זמני תפנית ארוכים ומדרגיות מוגבלת, אמר ג'ורג'ייב.
"מה שאנחנו מציעים לעשות זה להתמודד עם כל צווארי הבקבוק הגדולים הללו בתהליך גילוי הנוגדנים המסורתי ולהפוך אותו לתהליך דמוקרטי יותר – שם אתה יכול להבין מה היעד שלך לאנטיגן שלך ולהיות סיכוי טוב לייצר נוגדנים מונוקלוניים ומדעי היעדים המוצעים באופן יעיל ויעיל," אמר גם מדעי ביו -ביומיות, ביומיקציה, ביומיקלי, הנדסה.
נוגדנים הם חלק ממערכת החיסון שלנו. הם חלבונים המיוצרים על ידי תאי דם לבנים (תאי B) הנקשרים ומפעילים אנטיגנים – יעדים בנגיפים, חיידקים ואפילו תאים משלנו. נוגדנים יעילים כטיפולים מונעים וטיפוליים כנגד וירוסים, סרטן, הפרעות אוטואימוניות ומחלות אחרות.
כדי לזהות נוגדן טיפולי מועמד, החוקרים בדרך כלל מסננים ובודקים אלפי נוגדנים כנגד יעד אנטיגן, ומחפשים את "המחט בערימת השחת" הנקשרת למטרה ומנטרלת את היעד. תהליך הגילוי המסורתי דורש סוגים ספציפיים של דגימות ביולוגיות. לדוגמה, כדי למצוא נוגדנים כנגד פתוגן של מחלה זיהומית, נדרשים דגימות דם מאנשים או מודלים של בעלי חיים שנחשפו לפתוגן. ואז, אם הפתוגן משתנה, נוגדן טיפולי עלול להיות לא יעיל.
ג'ורג'ייב אמר כי "בגישה חישובית, אתה כבר לא תלוי בגישה לדגימות ביולוגיות או מחזורי סינון מרובים". "אתה יכול לדמות גרסאות ולייצר נוגדנים לפני הזמן לפני שהתעוררו הגרסאות."
ג'ורג'ייב ועמיתיו עוסקים בשלוש משימות כאשר הם פועלים לפיתוח גישות חישוביות לגילוי נוגדנים:
- דור של אטלס נוגדנים-אנטיגן בגודל ומגוון חסר תקדים
- פיתוח אלגוריתמים מבוססי AI לחילוץ מידע מאטלס נוגדנים-אנטיגן ונוגדנים ספציפיים לאנטיגן הנדסיים
- מחקרים של הוכחת מושג ליישום טכנולוגיית AI כדי לזהות מועמדים לנוגדנים כנגד יעדי אנטיגן בעלי עניין ביו-רפואי
עבור המשימה הראשונה, החוקרים משתמשים בטכנולוגיה שפיתחו בשם מאזניים SEQ (קישור קולטן תאי B לספציפיות אנטיגן באמצעות רצף) המאפשר מיפוי תפוקה גבוהה של אינטראקציות נוגדנים-אנטיגן עבור אנטיגנים ותאי B רבים בו זמנית.
ג'ורג'ייב אמר כי "לשיטות חישוביות לעבוד, עלינו להיות הרבה נתונים". "סולם הנתונים הזמינים לנוגדנים ואנטיגנים נמוך יותר מאשר בשדות אחרים, שהיה אחד הגורמים המגבילים בכל הקשור לפיתוח גישות AI.
"אם אנו מאמנים אלגוריתמים על הנתונים שקיימים כרגע-חלק גדול מהם מיועד ל- SARS-COV-2, PLUS ו- HIV-האלגוריתמים עשויים להיות מדויקים עבור יעדים אלה, אך סביר להניח שהם יצליחו לחולל למטרה חדשה. אנחנו צריכים להכשיר אותם עם סט מגוון יותר של יעדים אנטיגניים, שמקום בו ליבר-מגלגל נכנס לשחק."
החוקרים שואפים שהאטלס יכלול מאות אלפים – וייתכן שמעל מיליון זוגות נוגדנים -אנטיגן, לעומת כ -15,000 זוגות הזמינים כיום מנתונים שפורסמו, ומספקים משאב שאין שני לו לחוקרים ברחבי העולם.
הצוות כבר מתקדם במשימה השנייה של בניית מודלים חישוביים, אותם ישפרו כאשר הם מאכלסים את אטלס הנוגדנים-אנטיגן. עבור המשימה השלישית, הם יישמו את טכנולוגיית ה- AI על פיתוח נוגדנים כנגד אנטיגנים סרטניים ויעדים חיידקיים, ויראליים ואוטואימוניים. הם יבחרו נוגדן מועמד אחד לפיתוח פרה -קליני עד לכולל יישום IND (תרופה חדשה לחקירה).
ג'ורג'ייב אמר כי "הפרויקט שלנו יספק פלטפורמה שניתן להשתמש בהן למגוון מחלות שונות, ולא רק ליעדים הספציפיים שאנו מעוניינים בהם". "הצוות שלנו בילה שנים רבות בניסיון לגלות נוגדנים כנגד מגוון אינדיקציות, וזה תהליך כל כך לא יעיל עם הרבה כישלון. אם נוכל לעזור לשנות את זה, זה הולך להיות ענק – לא רק בשבילנו, אלא עבור כל התחום ולאנשים עם מחלות בהן טיפולי נוגדנים יכולים לעשות את ההבדל.
"זה יהיה קשה. זו לא בעיה קלה, אבל אני חושב שיש לנו בסיס טוב לזה, ואנחנו נעשה כמיטב יכולתנו כדי לגרום לזה לעבוד."
משתפי הפעולה בפרויקט הם: בן הו פארק, MD, PhD, שרה קרוסמן, PhD, אריק סקאר, PhD, MPH, מריה הדג'יפרנגיסקו, PhD, וג'רמי גוטל, PhD, ב- VUMC; TEDD ROSS, PHD ו- GIOSEPPE SAUTTO, PhD, במרפאת קליבלנד; ומריה דל פילאר קווינטנה ורון, PhD, ולארס חוויד, PhD, באוניברסיטת קופנהגן. המרכז המשפחתי של ברוק לחדשנות יישומית, זרז לקידום מחקר תרגומי לשוק, עוסק בצוות ג'ורג'ייב ותמך.
אוניברסיטת ונדרבילט ו- VUMC משאבים משותפים הקריטיים לפרויקט הם: Vantage (Vanderbilt Technologies for Advanced Genomics), Accre (מרכז מחשוב מתקדם למחקר וחינוך) ו- FCSR (זרימת משאב משותף של ציטומטריה).
