通过机器学习引导的高吞吐量查,通过数据驱动的天生的免疫调节剂的发现.
Yifeng Tang1, Jeremiah Y Kim1, Carman K M Ip2
1Pritzker School of Molecular Engineering, University of Chicago Chicago IL 60637 USA aesserkahn@uchicago.edu andrewferguson@uchicago.edu.
Chemical science
|November 29, 2023
概括
研究人员开发了一个人工智能管道,以发现调节先天免疫反应的小分子,这对于疫苗和疗法至关重要. 这种方法有效地识别了具有显著免疫增强或抑制能力的新型化合物.
科学领域:
- 免疫学 免疫学 免疫学
- 计算生物学 计算生物学
- 药物发现 药物发现 药物发现
背景情况:
- 天生的免疫反应对疫苗和免疫疗法的有效性至关重要.
- 控制先天免疫信号可以减轻不良炎症,并促进治疗性免疫刺激.
研究的目的:
- 开发一种支持机器学习的积极学习管道,用于发现小分子免疫调节剂.
- 引导对改变先天免疫信号通路的分子进行体外实验查.
主要方法:
- 利用体外高通量查 (HTS) 来测量NF-κB和IRF通路的调制.
- 采用深度表示学习,高斯过程回归和贝叶斯优化用于预测建模.
- 与HTS进行交叉模型培训,以进行主动学习引导的图书馆穿越.
主要成果:
- 通过选约2%的139,998个分子图书馆,发现了新的免疫调节剂.
- 已确定抑制NF-κB活性 (高达15倍) 和提高NF-κB活性 (高达5倍) 和IRF活性 (高达6倍) 的分子.
- 经过验证的免疫调节作用,其中一个分子增加了IFN-β的产量3倍.
结论:
- 启用ML的查管道有效地发现了小分子免疫调节剂.
- 发现了具有强大增强或抑制先天免疫信号传递能力的新型分子.
- 这种方法可以显著改善预防性疫苗接种和免疫治疗的发展.
