Una nueva herramienta de aprendizaje automático puede descubrir receptores inmunitarios que reaccionan a muchos antígenos diferentes

Diferentes enfermedades tienen diferentes métodos para probar si una persona tiene la enfermedad o no. inmuneML, una nueva plataforma de aprendizaje automático de código abierto, puede potencialmente buscar muchas enfermedades en una sola muestra de sangre.

«Una vez que sabes 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, esperamos 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 en 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 utilizando 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 viendo una línea plana de letras pequeñas. Estas secuencias de ADN son 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 una pieza de texto, y desea predecir sobre la base de este texto, si se une a la corona o no», dice Scheffer.

Un repertorio de receptores inmunes

Scheffer y Pavlovic no solo buscan receptores individuales y a qué antígenos pueden unirse. También quieren analizar toda la colección de receptores que alguien tiene en su cuerpo, lo que se llama el repertorio de receptores inmunes adaptativos (AIRR).

«Lo interesante y único de estos datos de AIRR es que potencialmente puede funcionar 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 inmunes dentro de ellos, lo que también es bastante diferente de persona a persona», 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 para 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

immunoML 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 de inmunología y que quiere saber qué tipo de 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 investigadora, de modo que pueda 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 un campo de investigación bastante nuevo. Hay alrededor de diez años de retraso 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 enfermedades que ya están en curso. No solo le informan sobre un mayor riesgo de una enfermedad. Pueden decirle que una enfermedad determinada ya se está desarrollando en su cuerpo y que usted probablemente notará los síntomas en unos años», dice Sandve a Titan.uio.no.

Él cree que immunoML podría desempeñar un papel importante para un mayor desarrollo del campo donde los aprendices automáticos se encuentran con los inmunólogos.

«Sin immunoML, los investigadores de aprendizaje automático de todo el mundo dedicarían mucho tiempo a desarrollar sus propias soluciones para muchos de los mismos problemas básicos, perderían tiempo y terminarían con herramientas completamente incompatibles. Si queremos que el campo gane impulso, debemos ser capaces para comparar e integrar ideas entre grupos de manera efectiva».

«Ya hemos visto que otros grupos de investigación usan immunoML, y varios grupos dicen que quieren tener sus propios desarrollos integrados con nuestra plataforma. Hasta ahora parece muy prometedor», dice Sandve.