1756764046
2025-08-28 15:50:00
毎年、グローバルな健康の専門家は、ハイステークスの決定に直面しています。どのインフルエンザ株が次の季節ワクチンに入るべきですか？選択は、インフルエンザの季節が始まるずっと前に、数ヶ月前に行われなければならず、多くの場合、時計とのレースのように感じることができます。選択された株が循環する株と一致する場合、ワクチンは非常に効果的である可能性があります。しかし、予測がオフの場合、保護は大幅に低下する可能性があり、（潜在的に予防可能な）病気につながり、医療システムに負担がかかります。
この課題は、Covid-19のパンデミック中に科学者にとってさらに馴染みのあるものになりました。ワクチンが展開されているように、新しいバリエーションが登場したときに、時間（そして何度も）を思い出してください。インフルエンザは、同様の乱暴ないとこのように振る舞い、絶えず予測的に変異しています。そのため、先を行くのが難しく、したがって、保護のままであるワクチンを設計するのが難しくなります。
この不確実性を減らすために、MITのコンピューターサイエンスおよび人工知能研究所（CSAIL）とMIT Abdul Latif Jameel Clinicの科学者は、健康状態の機械学習のために、ワクチンの選択をより正確で推測に依存させないようにします。彼らは、支配的なインフルエンザの株を予測し、数ヶ月前に最も保護的なワクチン候補を特定するように設計されたVaxseerと呼ばれるAIシステムを作成しました。このツールは、数十年にわたるウイルスシーケンスとラボテスト結果でトレーニングされたディープラーニングモデルを使用して、インフルエンザウイルスがどのように進化するか、ワクチンの反応をシミュレートします。
従来の進化モデルは、しばしば単一のアミノ酸変異の効果を独立して分析します。 「Vaxseerは、大規模なタンパク質言語モデルを採用して、支配と突然変異の組み合わせ効果との関係を学びます」と、MITの電気工学およびコンピューターサイエンス学科の博士課程学生、CSAILの研究者であり、作品に関する新しい論文の主著者であるWenxian Shiは説明します。 「ウイルス変異体の静的分布を想定する既存のタンパク質言語モデルとは異なり、動的支配シフトをモデル化し、インフルエンザのような急速に進化するウイルスに適しています。」
an 研究に関するオープンアクセスレポート 本日公開されました 自然医学。
インフルエンザの未来
Vaxseerには2つのコア予測エンジンがあります。1つは、各ウイルス株が拡散する可能性がどれほど可能かを推定し（支配）、もう1つはワクチンがその株（抗原性）をどの程度効果的に中和するかを推定するものです。一緒に、彼らは予測されたカバレッジスコアを生成します。特定のワクチンが将来のウイルスに対してどれほどうまく機能するかについての将来の見通しの尺度です。
スコアのスケールは、無限のネガティブから0になる可能性があります。スコアが0に近いほど、循環ウイルスに対するワクチン株の抗原的一致が良くなります。 （ある種の「距離」のネガティブとして想像できます。）
10年間の遡及的研究で、研究者は、世界保健機関（WHO）が2つの主要なインフルエンザのサブタイプのA/H3N2とA/H1N1のために作成したものに対するVaxseerの勧告を評価しました。 A/H3N2の場合、Vaxseerの選択は、遡及的な経験的カバレッジスコア（過去のシーズンからの観察された優位性と実験的HIテスト結果から計算されたワクチンの有効性の代理指数）に基づいて、10シーズン中9季場のWHOを上回りました。チームはこれを使用してワクチンの選択を評価しました。これは、実際に人口に与えられたワクチンのみで有効性が利用できるためです。
A/H1N1の場合、10シーズンのうち6シーズンでWHOを上回ったり一致させたりしました。 1つの注目すべきケースでは、2016年のインフルエンザシーズンで、Vaxseerは翌年までWHOが選択しなかった緊張を特定しました。モデルの予測は、CDC、カナダのセンチネル実務家監視ネットワーク、およびヨーロッパのi-moveプログラムによって報告されているように、実際のワクチンの有効性の推定値と強い相関関係を示しました。 Vaxseerの予測されたカバレッジスコアは、インフルエンザ関連の病気やワクチン接種により防止された医療訪問に関する公衆衛生データと密接に一致しました。
では、Vaxseerはこれらすべてのデータをどのように正確に理解していますか？直感的に、このモデルは最初に、タンパク質言語モデルを使用してウイルスひずみが時間とともに時間の経過とともにどれだけ速く拡大するかを推定し、次に異なる株間の競合を考慮してその優位性を決定します。
モデルが洞察を計算すると、それらは通常の微分方程式と呼ばれるものに基づいて数学的なフレームワークに接続され、時間の経過とともにウイルスのスプレッドをシミュレートします。抗原性については、システムは、特定のワクチン株が血球凝集阻害アッセイと呼ばれる一般的なラボテストでどれだけうまく機能するかを推定します。これにより、抗体がウイルスがヒト赤血球への結合を阻害することがどれほど効果的に阻害されるかを測定します。これは、抗原マッチ/抗原性に広く使用されているプロキシです。
進化を上回る
「ウイルスがどのように進化し、ワクチンがどのように相互作用するかをモデル化することにより、VaxseerのようなAIツールは、保健当局がより良い、より速い決定を下すのに役立ち、感染と免疫の間の人種で一歩先を行くことができます」とShi氏は言います。
Vaxseerは現在、インフルエンザの主要な抗原であるインフルエンザウイルスのHA（ヘマグルチニン）タンパク質のみに焦点を当てています。将来のバージョンは、NA（ニューラミニダーゼ）などの他のタンパク質、および免疫履歴、製造制約、投与量レベルなどの要因を組み込むことができます。システムを他のウイルスに適用するには、ウイルスの進化と免疫応答の両方を追跡する大規模で高品質のデータセットも必要です。これは、常に公開されていないデータです。しかし、チームは現在、バイラルファミリー間の関係に基づいて構築されている低データ体制のウイルスの進化を予測できる方法に取り組んでいます
「ウイルスの進化の速度を考えると、現在の治療的発達はしばしば遅れています。Vaxseerは追いつくための私たちの試みです」と、MITのAIおよびHealthのエンジニアリング学部、Jameel ClinicのAIリード、およびCSAILの主任研究者であるRegina Barzilayは言います。
「この論文は印象的ですが、おそらく私をさらに興奮させるのは、オンタリオ州ハミルトンにあるマクマスター大学の生化学および生物医学科学部のジョン・ストークス助教授は、次のように述べています。 「影響はインフルエンザをはるかに超えています。抗生物質耐性菌または薬物耐性癌がどのように進化するかを予測できることを想像してください。どちらも急速に適応することができます。この種の予測モデリングは、病気がどのように変化するかについての強力な新しい考え方を開き、1つのステップを踏む機会を与え、臨床的な介入を設計する機会を与えます。」
ShiとBarzilayは、MIT Csail Postdoc Jeremy Wohlwend ’16、Meng ’17、PhD ’25、および最近のCsailのアフィリエイトMenghua Wu ’19、Meng ’20、PhD ’25で論文を執筆しました。彼らの仕事は、一部には、米国防衛脅威削減機関とMIT Jameel Clinicによってサポートされていました。
#MIT研究者はインフルエンザワクチンのひずみ選択を改善するためのAIツールを開発します #MITニュース