توسط :
هر ساله متخصصان سلامت جهانی باید تصمیمی حیاتی بگیرند: کدام سویههای آنفلوآنزا باید در واکسن فصلی بعدی گنجانده شوند؟ این تصمیم باید ماهها قبل از شروع فصل آنفلوآنزا گرفته شود و معمولاً مثل یک رقابت با زمان احساس میشود. اینجاست که فناوریهای جدید مثل VaxSeer وارد میدان میشوند.
واکسنهای فصلی اغلب با چالشهای پیشبینی سویههای غالب ویروسی مواجه هستند و اشتباهات در پیشبینی میتواند به کاهش اثرگذاری واکسنها منجر شود. به همین دلیل، سیستم VaxSeer در مرکز مطالعات علوم کامپیوتر و هوش مصنوعی MIT توسعه داده شده است. این سیستم با استفاده از مدلهای یادگیری عمیق که بر روی دههها دادههای توالی ویروسی و نتایج آزمایشگاهی آموزش دیدهاند، میتواند تکامل ویروس آنفلوآنزا را شبیهسازی کرده و واکنشهای واکسن را پیشبینی کند.
مدلهای سنتی تکاملی اغلب تاثیر جهشهای آمینواسیدی را بهطور مستقل تحلیل میکنند، اما VaxSeer از یک مدل زبان پروتئین بزرگی استفاده میکند که رابطه میان غالبیت و تاثیرات ترکیبی جهشها را یاد میگیرد. این سیستم دارای دو موتور پیشبینی اصلی است: یکی برای تخمین احتمال انتشار هر سویه ویروسی و دیگری برای بررسی توانایی واکسن در خنثیسازی آن.
مطالعات گذشتهنگر 10 ساله نشان میدهد که توصیههای VaxSeer برای زیرگروههای آنفلوآنزا A/H3N2 و A/H1N1 در بسیاری از موارد بهتر از توصیههای سازمان بهداشت جهانی (WHO) هستند. بهطور مثال، در یک مورد خاص، در فصل آنفلوآنزا 2016، VaxSeer سویهای را شناسایی کرد که WHO تا سال بعد انتخاب نکرد.
شیوۀ کار VaxSeer بر پایه محاسبات پیچیده و شبیهسازیهای ریاضی است که شامل تحلیلهای آماری از آزمونهای هموگلوتیناسیون نیز میشود. مدلسازی پیشبینانه این سیستم به ما اجازه میدهد تا سریعتر و موثرتر به تکامل ویروسها و واکنشهای دارویی پاسخ دهیم. کاربردهای آینده VaxSeer نه تنها به دیگر پروتئینهای ویروسی مانند نئورامینیداز بلکه به ویروسهای دیگر نیز گسترش مییابند.
بهطور کلی، تلاشهای MIT و توسعه VaxSeer پیشرفتی بزرگ در حوزه سلامت دیجیتال و انتخاب بهتر واکسن محسوب میشود. توسعه این سیستم میتواند به عنوان ابزاری بنیادی برای پیشبینی روند تکاملی بیماریهای مختلف عمل کند و به متخصصان کمک کند تا در رقابت میان عفونت و ایمنی یک قدم جلوتر باشند.
نتیجهگیری
VaxSeer نشان میدهد که چگونه یادگیری ماشین و هوش مصنوعی میتوانند واکسنها را موثرتر و تطبیقپذیرتر کنند. این تلاشها گامی بزرگ به سوی پیشبینی دقیقتر و بهبود سلامت عمومی در مقابله با ویروسهای ناشناخته آینده هستند.
پرسشهای متداول
این سیستم از مدلهای یادگیری عمیق و دادههای تاریخی ویروسی برای شبیهسازی تکامل ویروس و پیشبینی سویههای غالب استفاده میکند.
VaxSeer از یک مدل زبان پروتئینی بزرگ استفاده میکند که تاثیرات ترکیبی جهشها را میفهمد و به دینامیک غالبیت ویروسها میپردازد.
در حال حاضر تمرکز VaxSeer بر ویروس آنفلوآنزا است، اما تیم تحقیقاتی در حال کار بر گسترش این مدل به ویروسهای دیگر و دادههای محدود هستند.
