ОРЕАНДА-НОВОСТИ. Рудольф Лайко и Софья Толстоухова применили методы глубокого обучения (Deep Learning) к иммунологическим задачам, решение которых может способствовать развитию персонализированной медицины. Результаты своей работы они представили на Международной конференции ISMB/ECCB 2017, где одной из главных тем было применение интеллектуальных систем в молекулярной биологии.

Современная активная иммунотерапия подразумевает введение препаратов, содержащих специальные клетки, стимулирующие работу иммунной системы. Такими методами лечат многие онкологические заболевания и различные иммунодефициты. Но разработка подобных препаратов требует от медиков больших затрат времени и ресурсов и не всегда приводит к успеху, так как невозможно предугадать, сработает ли потенциальное лекарство.

Студенты образовательной программы "Прикладная математика" под руководством аспиранта МИЭМ НИУ ВШЭ Вадима Назарова предложили ряд решений, которые позволяют за счёт проведения "сухих" компьютерных экспериментов сузить диапазон тестируемых препаратов, что в перспективе значительно облегчит жизнь многим учёным.

Как предсказать поведение лимфоцитов

Работа Софьи Толстоуховой заключается в том, чтобы оценить, насколько разные у пациента есть Т-лимфоциты, то есть клетки, непосредственно участвующие в работе иммунной системы — в распознавании чужеродных антигенов наряду с иммуноглобулином. 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. Данную модель можно встроить в наборы различных программ для последовательной обработки данных или использовать отдельно. Программа позволяет оценить вероятности уничтожения или выживания отдельных лимфоцитов.

Проблема, которую решает Рудольф Лайко, достаточно хорошо известна в медицинском кругу. Она состоит в следующем: главный комплекс гистосовместимости (major histocompatibility complex, MHC) регулирует совместимость тканей и играет ключевую роль в успешности трансплантации органов и тканей. Она возможна только в случае, когда иммунная система будет распознать новые ткани как свои, а не как чужеродные. Поэтому перед тем как проводить активную иммунотерапию, необходимо ответить на вопрос, какие именно нужны препараты. К примеру, для терапии опухолей необходимо разработать такие препараты, которые атаковали бы только опухоли в контексте MHC реципиента.

Программное обеспечение, позволяющее предсказать силу связи MHC-peptide, уже существует, однако оно обладает существенными недостатками. Так, оно плохо оценивает силу связи комплексов MHC-peptide для тех МНС, которых мало или вообще нет в исходных данных. Математическая модель, созданная Рудольфом Лайко, учитывает данный фактор и позволяет предсказывать для невстреченных МНС силы связывания с высокой точностью. Разработку студента после ряда дополнительных проверок можно применять в реальных условиях.

"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, — объясняет Рудольф Лайко. — 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.