In che modo SpiceJet utilizzerà la tecnologia profonda acquisendo i vialetti
Tra la pandemia di Covid-19, il mondo sta aspettando disperatamente che un vaccino elimini tutto il caos che ha creato. Mentre aziende e ricercatori in tutto il mondo hanno cercato di svilupparlo, una delle maggiori sfide che deve affrontare è quella di colpire le “proteine a spillo” che coprono il virus e il fatto che persone di diverse aree geografiche reagiscono in modo diverso.
Un team di ricercatori del Computer Science and Artificial Intelligence Laboratory (CSAIL) del MIT ha ora adottato un nuovo approccio in cui ha utilizzato un sistema di apprendimento automatico combinato che seleziona i peptidi (brevi stringhe di aminoacidi) che sono previsti per fornire un’elevata copertura della popolazione per un vaccino .
Il sistema di progettazione chiamato “OptiVax” introduce metodi per la progettazione di nuovi vaccini peptidici, la valutazione di vaccini esistenti e il potenziamento dei progetti di vaccini esistenti. In questo sistema, i peptidi vengono valutati attraverso l’apprendimento automatico in base alla loro capacità di essere visualizzati per suscitare una risposta immunitaria e vengono quindi selezionati per massimizzare la copertura della popolazione di chi potrebbe beneficiare del vaccino.
“Abbiamo valutato un disegno di vaccino comune basato sulla proteina spike per Covid-19 che è attualmente in numerosi studi clinici”, afferma Ge Liu e Brandon Carter, studente di dottorato CSAIL e autore principale di un nuovo articolo su OptiVax . “Sulla base della nostra analisi, abbiamo sviluppato un aumento per migliorare la sua copertura della popolazione aggiungendo peptidi.”
Cosa hanno fatto i ricercatori?
Come notano i ricercatori, per creare un vaccino efficace, è necessario considerare la frequenza allelica dell’antigene leucocitario umano (HLA) nella popolazione target, nonché lo squilibrio di legame tra i geni HLA per scoprire una serie di peptidi che probabilmente saranno robusti visualizzato. Gli esseri umani in diverse aree geografiche hanno frequenze diverse di alleli HLA.
Poiché la progettazione e la valutazione del vaccino peptidico computazionale precedente non utilizzano questa differenza, diventa difficile prevedere con precisione la copertura fornita da un vaccino. Tuttavia, i recenti progressi nell’apprendimento automatico hanno prodotto modelli in grado di prevedere la presentazione di peptidi da centinaia di varianti alleliche.
Hanno utilizzato le frequenze di aplotipo HLA umano di tre popolazioni principali – origini bianche, nere e asiatiche, per calcolare la copertura della popolazione di questi peptidi per le formulazioni di vaccini. I ricercatori hanno esaminato 4.690 genomi Covid-19 campionati geograficamente per escludere peptidi con tassi di mutazione indesiderati.
Prendendo in considerazione le grandi differenze nel DNA umano individuale, i ricercatori hanno prima adattato i loro modelli predittivi e hanno utilizzato più modelli per progettare un vaccino. Hanno prestato molta attenzione alla composizione genetica di diverse popolazioni per massimizzare la probabilità che le persone con geni non comuni siano ancora coperte dal vaccino.
Questo sistema chiamato OptiVax funziona identificando tutti i possibili frammenti di peptidi da un insieme di proteine virali o tumorali che sarebbero un buon candidato per un vaccino. Quindi, i peptidi vengono valutati per la selezione su più criteri, incluso il loro tasso di mutazione osservato attraverso quasi 5.000 genomi campionati geograficamente. Poiché questi frammenti di peptidi derivano dal virus, la loro somministrazione in un vaccino può portare all’immunità.
OptiVax è quindi efficiente nel progettare un vaccino da questi candidati per massimizzare la copertura della popolazione in diverse regioni geografiche, promettendo che una vasta gamma della popolazione diventi immune.
Una nuova ricerca afferma che l’IA può concentrarsi sui sintomi COVID-19
EvalVax, un sistema complementare progettato dal team, prevede la copertura per i vaccini, per valutare 29 diversi design di vaccini da parte di altri. Hanno scoperto che molti di loro non erano previsti per fornire un’elevata copertura demografica.
Una delle maggiori sfide che i ricercatori hanno dovuto affrontare è stata quella di mettere insieme buoni dati su come le persone differiscono nella loro composizione genetica e nei geni chiave che controllano la risposta a un vaccino o un’infezione virale. Come afferma David Gifford, professore del MIT, hanno dovuto risolvere un difficile problema di ottimizzazione per progettare un vaccino con una buona copertura della popolazione.
Il team osserva che la loro struttura potrebbe essere utilizzata per progettare vaccini per una vasta gamma di malattie infettive e spera di applicarla ad altre infezioni virali in futuro.
I ricercatori ritengono che, una volta effettuato il test sugli animali, il vaccino possa essere eseguito negli studi clinici. Poiché persone diverse rispondono in modo diverso in Covid-19, è un compito impegnativo per loro rompere il vaccino giusto, ma con l’apprendimento automatico credono di essere vicini al raggiungimento del successo. Attualmente stanno lavorando con un team del National Institute of Health (NIH) per vedere se i loro metodi possono essere utilizzati per la previsione del rischio utilizzando i dati dei pazienti Covid-19.
Al momento, l’Organizzazione mondiale della sanità elenca 79 candidati al vaccino COVID-19 nella valutazione clinica o preclinica e i disegni precisi della maggior parte di questi vaccini non sono pubblici. I ricercatori, pertanto, incoraggiano la pubblicazione anticipata dei progetti di vaccini per consentire la collaborazione e rapidi progressi verso vaccini sicuri ed efficaci per Covid-19. Nel documento di ricerca hanno condiviso che tutti i loro software e dati che sono liberamente disponibili come open-source per consentire ad altri ricercatori di utilizzare ed estendere i loro metodi.
