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 будет выглядеть мРНК-вакцина, используя матричный метод, математически. Мы связались с Институтом Иванникова, который будет использовать искусственный интеллект для выполнения этих расчётов, и 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, транслируемых в белки или РНК пациентов. По его словам, это поможет определить, можно ли использовать вакцину индивидуально.

Вакцина разработана совместно с несколькими научными центрами. Генеральный директор ФГБУ «Научно-исследовательский центр медицинской радиологии» Минздрава России Андрей Каприн сообщил, что доклинические испытания уже завершены.

Как машинное обучение может помочь в производстве вакцины против рака?

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

В иммунотерапии достижения искусственного интеллекта и машинного обучения могут помочь в обработке данных биопсии раковых клеток для разработки вакцин, нацеленных на мутации, специфичные для пациента. Возможность таргетировать мутации, специфичные для пациента, не нова, и таргетные противораковые препараты, такие как анти-HER2-препараты и ингибиторы CDK4/6, стали лидерами продаж в отрасли. Однако потенциал ИИ для выявления неоантигенов в биопсиях 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 использовать в алгоритме для прогнозирования наиболее иммуногенных мутаций», — сказал Скотт Эббингауз, вице-президент по клиническим исследованиям компании Merck. «На основе этого мы можем синтезировать РНК, кодирующую каждый мутировавший ген рака, с учётом особенностей иммунной системы. Каждая вакцина будет уникальна 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, сопоставляя клинические данные и данные об иммуногенности, и, как мы надеемся, он будет совершенствоваться в выборе неоантигенов, которые, вероятно, будут клинически активными», — сказал Кайл Холен, директор по терапевтическим разработкам и онкологии компании Moderna.

Другая компания, использующая ИИ, — Transgene, которая сотрудничает с корпорацией NEC в разработке персонализированных вакцин против рака. Вместо мРНК-вакцин Transgene использует вирусные векторы, чтобы научить иммунную систему пациента бороться с конкретными мишенями в раке.

По мере перехода противораковых вакцин на поздние стадии испытаний одной из проблем станет регулирование потенциальных продуктов. Управление по санитарному надзору за качеством пищевых продуктов и медикаментов США (FDA) опубликовало руководство по мультиантигенным вакцинам. Агентство заявляет, что каждый компонент этих вакцин, возможно, не нуждается в индивидуальной оценке безопасности и активности. Однако в документе говорится, что этот вопрос 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