拉格研究所与麻省理工学院的贾梅尔诊所之间的激动人心的合作在利用人工智能（AI）方面取得了重要的里程碑，以帮助发展T细胞候选疫苗。
Ragon教师Gaurav Gaiha医学博士Gaurav Gaiha和MIT教授Regina Barzilay博士，AI诊所的AI和Health的AI领导者，已发表了研究自然机器智能引入Munis-A深度学习工具，旨在以前所未有的精度预测CD8+ T细胞表位。这种进步有可能加速疫苗针对各种传染病。
该项目标志着Ragon Institute的Mark和Lisa Schwartz AI/ML倡议的主要结果，该研究所旨在将人工智能，机器学习和转化免疫学整合起来，以预防和治疗具有全球重要性的感染性疾病。通过Ragon Institute董事会主席Mark Schwartz和他的妻子Lisa Schwartz的慷慨支持，这项倡议成为可能。
通过将Gaiha实验室在T细胞免疫学方面的专业知识与Barzilay Lab在AI中的开创性工作相结合，由联合第一作者主导的团队Jeremy Wohlwend，PhD和Anusha Nathan和Anusha Nathan，他们寻求解决疫苗开发方面的长期挑战：快速准确地鉴定出异物病原体中T细胞表位。表位是一个特定区域抗原由人体的免疫细胞识别，对于激活靶向免疫反应至关重要。
预测表位的传统方法通常在速度和准确性方面缺乏。通过整合机器学习，研究人员现在可以实现对T细胞表位的更快，更有效的识别。
Munis使用超过650,000个独特的人类白细胞抗原（HLA）配体和尖端AI体系结构的策划数据集，Munis明显优于现有的表位预测模型。使用来自流感，HIV和Epstein-Barr病毒（EBV）的实验数据对该工具进行了验证，并能够鉴定出EBV中的新型免疫原性表位，EBV是一种已广泛研究的病毒。值得注意的是，穆尼斯（Munis）的准确性与实验稳定性测定方法相当，这是另一个表位预测的形式，证明了其减轻实验室负担和简化疫苗设计的潜力。
这是我们在AI和免疫学交集的第一篇论文。通过与Gaiha博士和他的团队的这一合作，我们了解了这一引人入胜的领域，并对使用AI算法对免疫系统的复杂性进行建模的巨大可能性感到兴奋。”
麻省理工学院教授里贾纳·巴兹利（Regina Barzilay）
MUNIS发展的关键因素是免疫学家与计算机科学家之间的合作。合作伙伴关系利用了每个团队的独特技能和专业知识，以确保该工具在解决生物学复杂性方面的有效性。
盖哈说：“这是人工智能的绝妙应用，从计算机科学家和免疫学家分享的见解中受益匪浅。”“信用在于将我们聚集在一起的倡议，这导致了一种令人兴奋的免疫学和疫苗设计的新工具。”
这一突破的含义超出了疫苗研究。通过提供一种可靠的方法来预测免疫系统最受欢迎的免疫主流表位，Munis为癌症T细胞应用的基础奠定了基础免疫疗法和自身免疫研究。随着全球社区继续面对新兴的传染病，Munis等工具为增强准备提供了希望。
这项创新强调了Ragon研究所在免疫学和技术交集中推进科学的承诺，以挽救生命并促进全球健康。
来源：
期刊参考：
Wohlwend，J。， 等。（2025）深度学习增强了外来病原体中HLA I类呈现的CD8+T细胞表位的预测。” 自然机器智能。doi.org/10.1038/S42256-024-00971-y。.