Investigadores de la Universidad de Yale han desarrollado un modelo de aprendizaje automático, denominado Immunostruct, que podría ayudar a los científicos a crear vacunas más personalizadas, incluyendo vacunas contra el cáncer. Los hallazgos de este estudio se publicaron en Nature Machine Intelligence junto con los resultados de su aplicación a datos de cáncer e inmunología.
Cuando surge una amenaza potencial, como un virus o un tumor, nuestras células inmunitarias reconocen péptidos – esencialmente proteínas cortas – en la superficie del invasor y montan una respuesta defensiva. La región específica con la que interactúa el sistema inmunitario se conoce como epítopo. Las vacunas basadas en epítopos son una tecnología emergente que contiene péptidos específicos para desencadenar respuestas inmunitarias que se dirijan con precisión a enfermedades particulares.
Estudios en curso sugieren que estas vacunas son una prometedora inmunoterapia potencial para una variedad de cánceres, incluyendo melanomas, cánceres de mama y glioblastomas. Los investigadores también están investigando si estas vacunas podrían combatir de manera más efectiva nuevas variantes de enfermedades infecciosas.
Para desarrollar estas vacunas, los científicos utilizan modelos que les ayudan a predecir qué péptidos tienen más probabilidades de desencadenar una fuerte respuesta inmunitaria a un antígeno particular. Una limitación de muchos de estos modelos, según los investigadores, es que tratan los péptidos como una secuencia unidimensional de aminoácidos, y no como las estructuras tridimensionales y activas que son en realidad.
El nuevo modelo de Yale incorpora propiedades estructurales y bioquímicas de los péptidos, demostrando ser más eficaz para identificar candidatos a péptidos que sus predecesores.
