Студенты Высшей школы экономики (НИУ ВШЭ) Рудольф Лайко и Софья Толстоухова применили методы глубокого обучения (deep learning) к иммунологическим задачам, решение которых может внести ощутимый вклад в развитие персонализированной медицины. Результаты своей работы авторы представили на Международной конференции ISMB/ECCB 2017. Одной из главных тем мероприятия стало применение интеллектуальных систем в молекулярной биологии.
Сегодня активная иммунотерапия подразумевает введение препаратов, содержащих специальные клетки, которые стимулируют работу иммунной системы. Так лечат многие онкологические заболевания и различные иммунодефициты. Разработка подобных препаратов требует значительных затрат времени и ресурсов и не всегда приводит к успеху, так как невозможно предугадать, сработает ли потенциальное лекарство.
Студенты образовательной программы «Прикладная математика» МИЭМ НИУ ВШЭ под руководством аспиранта МИЭМ Вадима Назарова предложили ряд решений, позволяющих сузить диапазон тестируемых препаратов, что в перспективе значительно облегчит жизнь многим учёным.
Работа Софьи Толстоуховой ставит своей целью оценить — насколько различные есть у пациента Т-лимфоциты, т. е. клетки непосредственно участвующие в распознавании чужеродных антигенов. Имея информацию о Т-клеточном разнообразии, потенциально можно говорить о том, с какими заболеваниями иммунная система в состоянии справиться сама, а какие потребуют дополнительного вмешательства в случае их развития. Софья Толстоухова разработала математическую модель по предсказанию селекции лимфоцитов, а также проект её программной реализации. Эту модель можно встроить как отдельную часть в какие-либо биоинформатические пайплайны для анализа данных (т. е. набора различных программ для последовательной обработки данных) или использовать отдельно. Программа позволяет оценить вероятности уничтожения или выживания отдельных лимфоцитов.
Софья Толстоухова, студентка ОП «Прикладная математика» МИЭМ ВШЭ, рассказывает: «Моя разработка является уникальной в своем роде, так как до сих пор никто не решал подобную задачу: предсказание отсутствия/наличия и количества определённых Т-клеток в крови человека. Запроса от медицинского сообщества на модель тимической и клональной селекции пока не было. Мы работаем на опережение, так как очевидно, что эта модель несет в себе большой потенциал, потому что оценка состояния иммунного репертуара (набора всех Б- или Т-клеток человека), его разнообразия, отслеживание динамики в репертуаре — это то, что могло бы сделать иммунотерапию эффективнее и точнее за счет вычисления недостающих компонентов (то есть Т-клеток в нашем случае)».
Эта работа будет интересна учёным, которые ведут эксперименты по применению иммунотерапии в лечении ВИЧ-инфекции. Разработка также поможет при исследовании аутоиммунных заболеваний.
Проблема, которую решает Рудольф Лайко, состоит в следующем: главный комплекс гистосовместимости (major histocompatibility complex, MHC) регулирует совместимость тканей и играет ключевую роль в успешности трансплантации органов и тканей — то есть, управляет принятием или отторжением какой-либо ткани организмом. Для успешной трансплантации иммунная система должна распознать новые ткани как свои, а не как чужеродные. Поэтому перед тем как проводить активную иммунотерапию, необходимо ответить на вопрос — какие именно нужны препараты. Для терапии, к примеру, опухолей необходимо разработать такие препараты, которые атаковали бы только опухоли в контексте MHC реципиента, что требует предварительного перебора потенциальных препаратов и анализа их взаимодействия с иммунной системой реципиента.
Программное обеспечение, позволяющее предсказать силу связи MHC-peptide, уже существует, однако оно обладает своими существенными недостатками, например, текущие решения плохо оценивают силу связи комплексов MHC-peptide для тех МНСБ, которых мало или вообще нет в исходных данных. Математическая модель, созданная студентом НИУ ВШЭ Рудольфом Лайко, учитывает данный фактор и позволяет предсказывать для невстреченных МНС (примеров, для которых в исходных данных нет) силы связывания с высокой точностью. Разработку студента уже можно применять в реальных условиях, после ряда дополнительных проверок.
Рудольф Лайко, студент ОП «Прикладная математика» МИЭМ ВШЭ: «Предсказание силы связи MHC-peptide очень важно для разработки препаратов для иммунотерапии, так как Т-клетки и MHC работают в комплексе, и для стимулирования иммунного ответа на патогенные пептиды нужно оценивать не только реакцию Т-клеток, но и реакцию MHC на них. Зная предсказания для обоих типов молекул можно оценить диапазон тестируемых препаратов и уже для них запускать «мокрые» биологические эксперименты».
Свои разработки студенты Вышки называют инструментами для других учёных. Они уверены, что спрос на них будет расти с развитием и внедрением в повседневную жизнь технологий персонализированной медицины. При этом, как отмечают студенты, контроль качества методов был произведен, нейронная сеть хорошо справляется с поставленной задачей и результаты выглядят многообещающими.