La nueva herramienta de aprendizaje automático puede descubrir receptores inmunitarios que reaccionan a muchos antígenos diferentes
Fig. 1: Descripción general de immunoML. Crédito: DOI: 10.1038/s42256-021-00413-z
Diferentes enfermedades tienen diferentes métodos para probar si una persona tiene la enfermedad o no. immunoML, una nueva plataforma de aprendizaje automático de código abierto, puede potencialmente buscar muchas enfermedades en una sola muestra de sangre.
«Una vez que sabe cómo funciona para una enfermedad, puede ser muy fácil crear herramientas de diagnóstico para otros tipos de enfermedades también», dice Lonneke Scheffer.
«A partir de una muestra de sangre, podemos Espero poder diagnosticar si una persona tiene una enfermedad o no. A nivel de receptor individual, queremos ver si ese receptor específico es específico de la corona o de otra cosa», dice Milena Pavlovic.
Scheffer y Pavlovic son becarios de investigación doctoral en el Departamento de Informática de la Universidad de Oslo. Forman parte del Grupo de Investigación de Informática Biomédica, donde han desarrollado immunoML.
Predecir si los receptores se unen a la corona
Las células B y T en nuestro sistema inmunológico tienen pequeños receptores en la superficie. Hay millones de receptores diferentes.
«Los receptores tienen una cierta forma 3D que los hace capaces de adherirse a diferentes antígenos», dice Scheffer a Titan.uio.no.
» Si analizamos estos receptores usando el aprendizaje automático, esperamos poder decir para qué es específico cada uno de esos receptores; qué enfermedad específica, qué virus o bacterias específicos, incluso cáncer y autoinmunidad», dice Pavlovic.
Para hacer esto utilizando el aprendizaje automático, necesitan traducir los receptores en forma de 3D a un lenguaje matemático, a representaciones matemáticas. Los receptores son proteínas, y todas las proteínas tienen su propio modelo en nuestro ADN.
«Entonces estamos mirando una línea plana de letras pequeñas. Estas secuencias de ADN es lo que obtenemos, lo que podemos traducir a secuencias de proteínas en la computadora. Para predecir si el receptor se une a la corona o no, realmente solo miras un fragmento de texto, y quieres predecir sobre la base de este texto, si se une a la corona o no», dice Scheffer. .
Un repertorio de receptores inmunitarios
Scheffer y Pavlovic no solo buscan receptores individuales ya qué antígenos se pueden unir. También quieren analizar toda la colección de receptores que alguien tiene en su cuerpo, lo que se denomina repertorio de receptores inmunitarios adaptativos (AIRR).
«Lo que es interesante y único acerca de estos datos de AIRR es que potencialmente puede funcionan para muchas enfermedades diferentes. Es un método generalizado».
«Estos repertorios son extremadamente diversos. Esta es también la razón por la que son difíciles de analizar, porque estos repertorios tienen cantidades realmente grandes de diferentes receptores inmunitarios dentro de ellos, que también es bastante diferente de una persona a otra», dice Scheffer.
Sus modelos de aprendizaje automático pueden buscar patrones en estos repertorios y hacer sus predicciones.
» Básicamente, lo que hacen los modelos de aprendizaje automático basados en la representación es encontrar patrones que aparecen en esa representación, que serán útiles para predecir la tarea de interés», dice Pavlovic.
«Usamos esta plataforma aprender patrones que se unen al gluten, lo cual es relevante para la enfermedad celíaca. Si alguien tiene un conjunto de datos sobre corona, puede usar immunoML en eso», dice Scheffer.
Plataforma de código abierto
immuneML es una plataforma de código abierto. Cualquiera puede usarlo. Scheffer y Pavlovic han creado tutoriales para personas que no son programadores como ellos.
«El objetivo de immunoML es tener un espacio de trabajo para alguien que tiene este tipo de datos inmunológicos y quiere saber qué tipo de los métodos de aprendizaje automático funcionarían mejor en su conjunto de datos», dice Scheffer.
«Esperamos que anime a las personas a desarrollar nuevas herramientas que también serán de código abierto y se compartirán con la comunidad de investigación, para que puedan mejorar nuestra comprensión de cómo el sistema inmunitario realmente reconoce la enfermedad», dice Pavlovic.
Muy prometedor hasta ahora
Nuestro conocimiento sobre los receptores inmunitarios está aumentando rápidamente, pero es bastante nuevo. campo de investigación. Hay alrededor de diez años de atraso en los análisis de ADN que mapean qué partes del material genético son importantes para diversas enfermedades.
«La principal limitación de una prueba genética es que solo puede informar sobre el riesgo de una persona de desarrollar una enfermedad», dice el profesor Geir Kjetil Sandve.
«Los receptores inmunitarios, por otro lado, muestran respuestas a procesos de enfermedad ya en curso. No solo le informan sobre un mayor riesgo de una enfermedad. puede decirle que una determinada enfermedad ya se está desarrollando en su cuerpo, y que probablemente notará los síntomas en unos pocos años», dice Sandve a Titan.uio.no.
Él cree que immunoML podría jugar un papel importante para el desarrollo futuro del campo donde los aprendices automáticos se encuentran con los inmunólogos.
«Sin immunoML, los investigadores de aprendizaje automático de todo el mundo pasarían mucho tiempo desarrollando sus propias soluciones para muchos de los mismos problemas básicos , perdiendo el tiempo y terminando con herramientas completamente incompatibles. campo es ganar impulso, debemos ser capaces de comparar e integrar ideas de manera eficaz entre los grupos».
«Ya hemos visto que otros grupos de investigación usan immunoML, y varios grupos dicen que quieren tener su propio desarrollos integrados con nuestra plataforma. Hasta ahora, parece muy prometedor», dice Sandve.
Explore más
La agrupación de receptores de células inmunitarias podría ayudar a descifrar el historial personal de infección de los pacientes. Más información: Milena Pavlovi et al, The ecosistema immunoML para el análisis de aprendizaje automático de repertorios de receptores inmunitarios adaptativos, Nature Machine Intelligence (2021). DOI: 10.1038/s42256-021-00413-z Información del diario: Nature Machine Intelligence
Proporcionado por la Universidad de Oslo Cita: Nueva herramienta de aprendizaje automático puede descubrir receptores inmunitarios que reaccionan a muchos antígenos diferentes (26 de enero de 2022) consultado el 29 de agosto de 2022 en https://medicalxpress.com/news/2022-01- machine-tool-immune-receptors-react.html Este documento está sujeto a derechos de autor. Además de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos. .