واکسنی را تصور کنید که به‌جای دنبال کردن سویه غالب بعدی، آن را پیش‌بینی می‌کند. پژوهشگران دانشگاه کمبریج با استفاده از هوش مصنوعی، یک واکسن نامزد طراحی کرده‌اند که هدف آن محافظت در برابر طیف گسترده‌ای از ویروس‌های آنفلوآنزای پرندگان است، از جمله تبارهایی که باعث ابتلای انسان شده‌اند و گونه‌هایی که هنوز در انسان مشاهده نشده‌اند.
واکسن طراحی‌شده با هوش مصنوعی چگونه عمل می‌کند
این گروه داده‌های پایش ژنتیکی را از سراسر جهان گردآوری کرد: توالی‌های ویروسی نمونه‌برداری‌شده از پرندگان وحشی، حیوانات پرورشی و انسان‌ها. سپس با اجرای الگوریتم‌های محاسباتی و تکاملی، پنج آنتی‌ژن مصنوعی ساختند که در کنار هم تنوع ژنتیکی گسترده ویروس‌های آنفلوآنزای پرندگان را نمایندگی می‌کنند. این آنتی‌ژن‌ها کپی یک سویه در گردش نیستند، بلکه سازه‌هایی بهینه‌سازی‌شده‌اند که قرار است سیستم ایمنی را به سمت پاسخ‌های محافظتی هدایت کنند؛ پاسخ‌هایی که ویروس به‌سختی بتواند از آن‌ها فرار کند.
آنتی‌ژن، ماده فعال در بسیاری از واکسن‌هاست. آنتی‌ژن به سیستم ایمنی آموزش می‌دهد یک الگوی مولکولی مشخص را تشخیص دهد تا وقتی عامل بیماری‌زای واقعی وارد بدن می‌شود، پادتن‌ها و سلول‌های ایمنی بتوانند به‌سرعت واکنش نشان دهند. طرح کمبریج با کدگذاری چند آنتی‌ژن متفاوت و واگرا تلاش می‌کند ایمنی بدن را در برابر دامنه وسیع‌تری از تغییرات ویروسی آموزش دهد.
در آزمایش‌های پیش‌بالینی، این واکسن هنگام مواجهه با چند سویه ژنتیکی متفاوت آنفلوآنزای پرندگان، از موش‌ها و راسوها محافظت کرد. همه سویه‌هایی که در این چالش‌ها استفاده شدند، پیش‌تر انسان‌ها را آلوده کرده‌اند و به‌عنوان تهدیدهای بالقوه همه‌گیری شناخته می‌شوند. برای مقایسه، حیواناتی که با واکسن استاندارد سازمان جهانی بهداشت ایمن‌سازی شده بودند، در همان شرایط آزمایشی فقط حدود نیمی از موارد زنده ماندند.
نتایج این پژوهش در نشریه Cell Reports Medicine منتشر شد و رسانه‌های بین‌المللی نیز به آن پرداختند. سخنگوی دانشگاه کمبریج این کار را گامی به سوی واکسن‌هایی دانست که آمادگی در برابر تهدیدهای ویروسی نوظهور را بهبود می‌دهند. این گروه اعلام کرد: «می‌خواستیم از ذهنیت تکیه بر یک سویه واحد فاصله بگیریم. با استفاده از نگاه الگوریتمی به تکامل ویروس، می‌توانیم آنتی‌ژن‌هایی بسازیم که تنوع را پوشش دهند و احتمال فرار ایمنی را کاهش دهند.»
این رویکرد به یکی از مشکلات اصلی ویروس‌های RNA مانند آنفلوآنزای پرندگان پاسخ می‌دهد. این ویروس‌ها به‌سرعت جهش پیدا می‌کنند و می‌توانند ژن‌های خود را جابه‌جا کنند و در نتیجه گونه‌های جدیدی بسازند که گاهی از حیوانات به انسان منتقل می‌شوند. برنامه‌های سنتی آمادگی بر ذخیره‌سازی واکسن‌هایی متکی هستند که با سویه‌های شناخته‌شده مطابقت دارند. اگر یک گونه جدید یا بسیار متفاوت ظاهر شود، این راهبرد ممکن است شکست بخورد.
تبدیل این دستاورد امیدوارکننده به ابزارهای سلامت عمومی به کار بیشتری نیاز دارد. پژوهشگران قصد دارند کارآزمایی‌های بالینی انسانی را برای ارزیابی ایمنی و دامنه پوشش ایمنی انجام دهند. تولید در مقیاس بزرگ، بررسی‌های نظارتی و اثربخشی واقعی در برابر سویه‌های در گردش و سویه‌های تازه‌پدیدار، نقاط عطفی تعیین‌کننده خواهند بود. این گروه همچنین می‌خواهد همین چارچوب طراحی را برای آنفلوآنزای فصلی و دیگر ویروس‌های RNA با تکامل سریع به‌کار بگیرد.
مزایای احتمالی این رویکرد روشن است. یک واکسن با محافظت گسترده می‌تواند زمانی را که در جریان یک شیوع صرف تعقیب سویه‌های جداگانه می‌شود، کاهش دهد. همچنین می‌تواند فرایند ذخیره‌سازی واکسن را ساده‌تر کند و در حالی که واکسن‌های اختصاصی هر ویروس توسعه می‌یابند یا به‌روزرسانی می‌شوند، چند هفته یا چند ماه حیاتی زمان بخرد. با این حال، چالش‌ها همچنان باقی است: پاسخ‌های ایمنی در حیوانات کوچک همیشه بازتاب‌دهنده واکنش انسان نیستند و انتخاب آنتی‌ژن باید میان گستره پوشش و قدرت ایمنی محافظتی تعادل برقرار کند.
این پژوهش در نقطه تلاقی بیوانفورماتیک، ایمنی‌شناسی و راهبرد سلامت عمومی قرار دارد. اگر کارآزمایی‌های بالینی یافته‌های پیش‌بالینی را تأیید کنند، طراحی آنتی‌ژن با هدایت هوش مصنوعی می‌تواند به ابزاری در مجموعه راهکارهای آمادگی در برابر همه‌گیری تبدیل شود. در حال حاضر، این کار مسیر امیدوارکننده‌ای را نشان می‌دهد: استفاده از الگوریتم‌های داده‌محور برای طراحی واکسن‌هایی که برای پیش‌بینی غیرمنتظره‌ها آماده‌اند.
.avif)
نظر بگذارید
نظرات
هنوز نظری ثبت نشده. اولین نفر باشید.