Как машинное обучение может помочь в создании персонализированных вакцин против рака?

Использование искусственных нейронных сетей может сократить время вычислений, необходимое для создания персонализированной вакцины от рака, что в настоящее время является длительным процессом, до менее чем часа, сообщил ТАСС директор Национального исследовательского центра эпидемиологии и микробиологии имени Н. Ф. Гамалеи (Россия) Александр Гинцбург.

«В настоящее время разработка вакцины занимает много времени, поскольку необходимо рассчитать, как выглядит вакцина мРНК, используя матричный метод, в математических терминах. Мы связались с Институтом Иванникова, который будет полагаться на ИИ для выполнения этих расчетов, в результате чего эти процессы займут от получаса до часа».

Ранее исследователь объяснял ТАСС, что для обучения ИИ необходима тестовая база данных из 40 000–50 000 последовательностей опухолей с совместимым распознаванием антигенов, преобразованных в белки или РНК у пациентов. По его словам, это поможет определить, можно ли использовать вакцину для отдельных пациентов.

Вакцина была разработана совместно с несколькими научными центрами. Генеральный директор Научно-исследовательского центра медицинской радиологии Минздрава России Андрей Каприн сообщил, что доклинические испытания завершены.

Как машинное обучение может помочь в создании вакцин против рака?

Использование искусственного интеллекта при разработке вакцины против рака позволяет проводить персонализированное лечение, но также создает новые проблемы для разработчиков лекарств и регулирующих органов.

В иммунотерапии достижения в области искусственного интеллекта и машинного обучения могут помочь в обработке данных из биопсий раковых клеток для разработки вакцин, нацеленных на мутации, специфичные для пациента. Возможность нацеливания на мутации, специфичные для пациента, не нова, и таргетные препараты для лечения рака, такие как анти-HER2-терапия и ингибиторы CDK4/6, стали лидерами продаж в отрасли. Однако потенциал ИИ для идентификации неоантигенов из биопсий отдельных пациентов повысил эффективность этого процесса.

Использование ИИ стало важной темой для обсуждения во многих отраслях, и фармацевтика не является исключением.

«Мутации, обнаруженные в биопсиях пациентов, можно ввести в алгоритм для прогнозирования того, какие мутации с наибольшей вероятностью будут иммуногенными», — сказал Скотт Эббингауз, вице-президент по клиническим исследованиям в Merck. «Оттуда мы можем синтезировать РНК, кодирующую каждый мутировавший ген рака, адаптированный к иммунной системе. Каждая вакцина будет очень уникальной для каждого человека».

В отличие от методов лечения, разработанных против одного фиксированного антигена, система ИИ будет стремиться улучшить свою способность выбирать неоантигены. Алгоритм анализирует генетические мутации, присутствующие в опухоли пациента, и прогнозирует неоантигены, которые с наибольшей вероятностью вызовут иммунный ответ. «Алгоритм способен обучаться с течением времени посредством сопряжения клинических данных и данных иммуногенности, и, как мы надеемся, станет лучше выбирать неоантигены, которые с наибольшей вероятностью будут клинически активными», — сказал Кайл Холен, директор по терапевтическим разработкам и онкологии в Moderna.

Другая компания, использующая ИИ, — Transgene, которая сотрудничает с NEC Corporation для разработки персонализированных вакцин от рака. Вместо вакцин мРНК Transgene работает с вирусными векторами, чтобы обучить иммунную систему пациента бороться с определенными мишенями рака.

По мере того, как противораковые вакцины переходят на более поздние стадии испытаний, одной из проблем станет регулирование потенциальных продуктов. Управление по контролю за продуктами и лекарствами США (FDA) выпустило руководящий документ, касающийся мультиантигенных вакцин. Агентство заявляет, что каждый компонент этих прививок, возможно, не нуждается в индивидуальной оценке безопасности и активности. Однако в документе говорится, что это будет «рассматриваться в каждом конкретном случае».

Представитель FDA заявил, что «FDA признает потенциал искусственного интеллекта/машинного обучения (ИИ/МО) для ускорения разработки персонализированных методов лечения».

Фуонг Ань (Источник: BioSpace, ТАСС)

Источник