機械学習アプローチを用いたインフルエンザワクチンの逆相染色分析を,様々なアンチゲンと配列で進める
Barry Lorbetskie1, Narges Manouchehri2, Michel Girard1
1Center for Oncology, Radiopharmaceuticals and Research, Biologic and Radiopharmaceutical Drugs Directorate, Health Products and Food Branch, Health Canada, Ottawa, ON K1A 0K9, Canada.
Vaccines
|August 28, 2025
まとめ
機械学習 (ML) モデルは,インフルエンザワクチンの分析のための逆相染色体 (RP) で難しい分離を分類することができます. このアプローチはワクチンの効能検査を簡素化し,品質管理のスピードと客観性を向上させます.
科学分野:
- 分析化学
- バイオテクノロジー
- コンピュータ生物学
背景:
- インフルエンザワクチンの年次再配合には,有効な反応剤の適時な製造が必要です.
- 逆相クロマトグラフィー (RP) は重要な技術ですが,抗原分離が不良である場合の方法の再最適化は困難であり,分析者に依存しています.
- インフルエンザ抗原の染色体分析の既存の方法は時間のかかるものであり,かなりの専門知識が必要です.
研究 の 目的:
- インフルエンザ抗原の難しいRP染色体分離を分類するための機械学習 (ML) のアプローチを探求する.
- 分析手順を異なる年,製品,分析者間で再最適化するためのコンピュータ支援の方法を開発する.
- クロマトグラムの不十分な解像度や ストレスの共解像度,信号の欠落といった問題に対処するためです.
主な方法:
- インフルエンザ抗原のRPクロマトグラフィのデータセットを活用した.
- データセットのクラス不均衡を修正するためにデータ増強技術を適用した.
- 分離の問題を示す様々なクロマトグラフィのピークプロファイルを区別するために訓練された複数の監督ML分類者.
主要な成果:
- 数多くのMLモデルは,データ増強後の染色体プロフィールの分類において有望な精度を達成した.
- モデルでは,実際のインフルエンザワクチンのデータにおける分離問題に関連したパターンを成功裏に特定しました.
- クロマトグラムの質を客観的に分類するMLの能力を実証した.
結論:
- 機械学習は,ワクチン品質評価におけるクロマトグラム分類のためのスケーラブルで客観的なツールを提供します.
- MLは分析方法の最適化を大幅に加速し,手作業による解釈への依存を減らすことができます.
- このアプローチは,ワクチン製造や緊急事態における迅速な対応に特に有用です.
