نهج جديد يمهد الطريق لتطوير علاج مناعي أكثر ذكاءً

سخّر الباحثون قوة الذكاء الاصطناعي لمواجهة أحد أكثر التحديات تعقيدًا في علم المناعة: التنبؤ بكيفية تعرّف الخلايا التائية على مستضدات ببتيدية محددة واستجابتها لها.

باستخدام نموذج AlphaFold 3 (AF3)، وهو نموذج ذكاء اصطناعي/تعلم آلي، مُصمّم للتنبؤ ببنية البروتين، أظهر الفريق نهجًا جديدًا لنمذجة تفاعلات مستقبلات الخلايا التائية-الببتيد/معقد التوافق النسيجي الرئيسي (TCR-pMHC) بدقة متزايدة.

نُشرت الورقة البحثية في مجلة Frontiers in Immunology.

دور الخلايا التائية

تلعب الخلايا التائية دورًا مزدوجًا في صحة الإنسان، إذ تعمل كحماية من خلال القضاء على الأورام والخلايا المصابة، بينما تساهم أحيانًا في المرض من خلال استهداف أنسجة الجسم نفسها.

يكمن جوهر هذا التوازن في عملية التعرف على مستقبلات الخلايا التائية (TCR-pMHC)، وهي عملية حاسمة تحدد ما إذا كانت الخلايا التائية تُطلق استجابة وقائية أم تُحفز مناعة ذاتية ضارة.

حتى الآن، ظلت النماذج التنبؤية لخصوصية مستقبلات الخلايا التائية محدودة الدقة والنطاق.

قال الدكتور تشونج مينج جيانج، الباحث الرئيسي في الدراسة: "استلهامًا من التطورات الحديثة في علم الأحياء البنيوي القائم على الذكاء الاصطناعي، سعينا لتقييم إمكانية تكييف ألفا فولد للتنبؤ بكيفية تعرّف الخلايا التائية على النمط المُستضد".

وأضاف: "تشير نتائجنا إلى قدرة ألفا فولد على التمييز بين النمط المُستضد الصحيح والنمط غير الصحيح، مما يُقرّبنا من تنبؤ موثوق وعالي الإنتاجية لاستجابات الخلايا التائية".

أفاد فريق البحث أن النمذجة الحاسوبية لبرنامج AlphaFold تُمكّن من تحديد النمط المناعي المُستضدي (الأجسام المُستضدية) الذي يُمكن استخدامه كأهداف للقاحات.

وإلى جانب الوقاية، فإن القدرة على تصميم خلايا تائية عالية الألفة وأكثر تحديدًا تُعزز سلامة وفعالية العلاجات القائمة على الخلايا التائية للسرطان والأمراض المعدية وأمراض المناعة الذاتية.

أضاف الدكتور شيلينج شين، كبير المسؤولين العلميين في معهد تيراساكي: "يمكن لنموذج تنبؤ دقيق لتفاعلات TCR-pMHC أن يُحدث نقلة نوعية في تطوير العلاجات المناعية واللقاحات".

وأضاف: "يمثل هذا خطوةً حاسمةً نحو مناهج الطب الدقيق التي تُسخّر الجهاز المناعي لمكافحة الأمراض".

وفي حين يعترف الباحثون بأن هناك حاجة إلى مزيد من التحسين والتحقق قبل التطبيق السريري على نطاق واسع، فإن النتائج تسلط الضوء على وعد النمذجة البنيوية القائمة على التعلم العميق كمسار للتنبؤ القابل للتعميم بتفاعلات TCR-pMHC.

ويؤكد هذا الاختراق على إمكانات النهج القائم على الذكاء الاصطناعي في تسريع اكتشاف الأدوية وتصميم العلاج المناعي، مما يمهد الطريق لعلاجات أكثر فعالية وأمانًا.