El modelo de aprendizaje automático puede distinguir objetivos de anticuerpos
Diferentes anticuerpos (verde, aguamarina, rosa) atacan diferentes partes de la partícula viral SARS-CoV-2 (esfera amarilla/naranja). Las proteínas del pico del virus (púrpura) son un objetivo clave de los anticuerpos, con algunos anticuerpos que se adhieren a la parte superior (púrpura más oscuro) y otros al tallo (zona más pálida). Crédito: Yiquan Wang
Un nuevo estudio muestra que es posible usar las secuencias genéticas de los anticuerpos de una persona para predecir a qué patógenos se dirigirán esos anticuerpos. El nuevo enfoque, publicado en la revista Immunity, diferencia con éxito entre los anticuerpos contra la influenza y los que atacan al SARS-CoV-2, el virus que causa el COVID-19.
«Nuestra investigación se encuentra en una etapa muy temprana, pero este estudio de prueba de concepto muestra que podemos usar el aprendizaje automático para conectar la secuencia de un anticuerpo con su función», dijo Nicholas Wu, profesor de bioquímica en la Universidad de Illinois Urbana-Champaign, quien dirigió la investigación con U. of I. bioquímica Ph.D. estudiante Yiquan Wang; y Meng Yuan, científico del personal de Scripps Research en La Jolla, California.
Con suficientes datos, los científicos deberían poder predecir no solo el virus que atacará un anticuerpo, sino también qué características del patógeno el anticuerpo se une, dijo Wu. Por ejemplo, un anticuerpo puede adherirse a diferentes partes de la proteína espiga del virus SARS-CoV-2. Saber esto permitirá a los científicos predecir la fuerza de la defensa inmunológica de una persona, ya que algunos objetivos de un patógeno son más vulnerables que otros.
El nuevo enfoque fue posible gracias a la abundancia de datos relacionados con los anticuerpos contra el SARS. -CoV-2, dijo Wu.
«En 20 años, los científicos han descubierto unos 5.000 anticuerpos contra el virus de la gripe», dijo. «Pero en solo dos años, las personas identificaron 8000 anticuerpos para COVID. Esto brinda una oportunidad nunca antes vista para estudiar cómo funcionan los anticuerpos y hacer este tipo de predicción».
De izquierda a derecha, Ph.D. el estudiante Yiquan Wang, el profesor de bioquímica Nicholas Wu y sus colegas desarrollaron un método para diferenciar los objetivos de anticuerpos en función de sus secuencias genéticas. Crédito: Michelle Hassel
Los investigadores utilizaron datos de anticuerpos de 88 estudios publicados y 13 patentes. Los conjuntos de datos eran lo suficientemente grandes como para permitir que los investigadores entrenaran su modelo para hacer predicciones basadas en la secuencia genética de los anticuerpos.
El modelo fue diseñado para distinguir si las secuencias codificaban para anticuerpos que se dirigían a regiones del virus de la influenza o sobre el virus SARS-CoV-2. Luego, los investigadores verificaron la precisión de esas predicciones.
«La precisión fue cercana al 85 % en general», dijo Wang.
«De hecho, me sorprendió bastante que funcionara tan bien, » dijo Wu.
El equipo está trabajando para mejorar su modelo para que pueda determinar con mayor precisión qué partes del virus atacan los anticuerpos.
«Si podemos hacer estas predicciones basadas en la secuencia de anticuerpos, también podríamos volver atrás y diseñar anticuerpos que se unan a patógenos específicos», dijo Wu. «Esto no es algo que podamos hacer ahora, pero esas son algunas implicaciones para el estudio futuro».
Explore más
Video: Investigador analiza la resistencia a los medicamentos en COVID-19 Más información: Yiquan Wang et al, una encuesta sistemática a gran escala revela características moleculares recurrentes de las respuestas de anticuerpos públicos al SARS -CoV-2, Inmunidad (2022). DOI: 10.1016/j.immuni.2022.03.019 Información de la revista: Immunity
Proporcionado por la Universidad de Illinois en Urbana-Champaign Cita: El modelo de aprendizaje automático puede distinguir blancos de anticuerpos (21 de abril de 2022) consultado el 29 de agosto de 2022 de https://medicalxpress.com/news/2022-04-machine-learning-distinguir-antibody.html Este documento está sujeto a derechos de autor. Aparte 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.