Công cụ học máy dự đoán tiềm năng kích hoạt miễn dịch của các peptide
Hệ thống miễn dịch kiểm soát tế bào T bằng cách điều tiết chính xác khi nào chúng được đáp ứng với tác nhân gây bệnh. Ví dụ, tế bào T trợ giúp chỉ "bật" nếu các tế bào miễn dịch khác, như các tế bào trình diện kháng nguyên (APC) biểu hiện các peptide vi khuẩn (các mảnh protein) trên bề mặt của chúng trong một phức hợp protein gọi là MHC lớp II (MHC II).
Tuy nhiên, không phải mọi peptide của vi khuẩn đều có tính trội miễn dịch (được gắn vào MHC II và trình diện cho tế bào T); cũng không phải mọi peptide đều được gắn với phức hợp này (có khả năng kích thích đáp ứng miễn dịch). Những quy luật của các quá trình này vẫn chưa sáng tỏ, khiến việc hiểu rõ mối quan hệ giữa chúng ta với tư cách là vật chủ, với các tác nhân gây bệnh và cấu trúc vi sinh vật của chúng ta thêm rối ren.
Để có cái nhìn rõ ràng hơn, nhóm nghiên cứu do Daniel Graham, Chengwei Luo, và thành viên chủ chốt Ramnik Xavier trong Chương trình Bệnh Truyền nhiễm và Hệ vi sinh vật của Broad đã phát triển một thuật toán dựa trên mạng lưới thần kinh sâu gọi là BOTA (Kháng nguyên tế bào T nguồn gốc vi khuẩn) có khả năng dự đoán, dựa trên dữ liệu bộ gen của vi khuẩn, peptide có cơ hội kích hoạt phản ứng miễn dịch cao nhất.
Như đã báo cáo trong Nature Medicine, Graham và nhóm nghiên cứu (gồm các thành viên của Trung tâm Nghiên cứu Bệnh viêm ruột và Trung tâm Điện toán và Tích hợp sinh học thuộc Bệnh viện đa khoa Massachusetts, cũng như Trung tâm Thông tin và Trị liệu Vi sinh vật thuộc Viện Công nghệ Massachusetts) xây dựng và huấn luyện BOTA nhận biết kháng nguyên tiềm năng bằng cách thực hiện một nghiên cứu "peptidomic" của MHC II, thu thập và mô tả từng peptide liên kết với MHC II tìm thấy trên APC ở chuột và lập danh sách các đặc tính cơ bản về tính trội miễn dịch và tính kháng nguyên.
Công cụ học máy dự đoán tiềm năng của peptide như các chất kích hoạt miễn dịch
Listeria monocytogenes. Nguồn hình: CDC PHIL
Graham sau đó đã đánh giá BOTA dựa trên hai mẫu chuột khác nhiễm Listeria monocytogenes và bị viêm đại tràng, đánh giá khả năng dự đoán của nó thông qua giải trình tự RNA đơn bào thông lượng cao, phân tích xem liệu các tế bào T có thể “nhìn thấy” các peptide được dự đoán và chúng phản ứng mạnh tới đâu.
Thuật toán này, nhóm nghiên cứu thấy rằng, dự đoán chính xác peptide vi khuẩn nào gắn với MCH II trong cả hai mô hình. Dữ liệu giải trình tự RNA của chúng cũng giúp xác định các peptide tạo ra phản ứng tế bào T mạnh nhất trong mô hình Listeria của chúng.
Các phát hiện của nhóm nghiên cứu cho thấy BOTA có thể có ích với những nhà nghiên cứu trong nhiều viễn cảnh khác nhau, từ phát hiện các kháng nguyên vi khuẩn chưa biết trước đó đến phát triển vắc-xin, từ làm sáng tỏ cách vi sinh vật hòa hợp với hệ miễn dịch cho đến hiểu được sự hòa hợp đó bị phá hủy ra sao trong quá trình viêm.
Tổng hợp từ Nature Medicine