Нейросеть создала единую вакцину от любого штамма ковида
Американские исследователи разработали перспективную универсальную вакцину от любого штамма коронавируса SARS-CoV-2. В эксперименте на генетически модифицированных мышах препарат защитил подопытных животных от тяжелого течения болезни и смерти.
Ученые провели успешный эксперимент на зараженных вирусом мышах. На седьмой день после прививки у животных, которые получили MIT-T-COVID, почти четверть всех клеток в легких были T-лимфоцитами. Это помогло им легче перенести болезнь.
Эксперимент показал, что универсальная вакцина работает и эффективна в предотвращении наиболее опасных исходов коронавирусной инфекции.
Почему ИИ так хорошо справляется?
- Проблема в том, чтобы выбрать правильные комбинации HLA, соответствующие одинаковым для разных штаммов белкам, и такие, чтобы они встречались у как можно большего числа заболевших людей. Задача со множеством параметров, требующая больших вычислительных мощностей и анализа колоссальных объемов структурированных данных. Ровно такая, в которой силен искусственный интеллект.
- Подбор подходящих белков выполняли при помощи алгоритма машинного обучения. В эксперименте на генетически модифицированных мышах препарат вызывал сильный иммунный ответ, защитивший животных от тяжелого течения болезни и смерти.
Вывод:
Этот эксперимент показал, что универсальная вакцина возможна, она работает и эффективна в предотвращении наиболее опасных исходов коронавирусной инфекции. Подробные результаты работы американских ученых опубликованы в рецензируемом журнале Frontiers in Immunology.
В дальнейшем исследователи планируют оптимизировать препарат, а также проверить его эффективность в комбинации с вакцинами, провоцирующими выработку антител. Важное направление работы — проверка безопасности универсальной прививки, устранение вероятности чрезмерно мощного иммунного ответа.
Если вам было интересно и ты хочешь узнать больше, тогда подпишись на нас и приходи к нам общаться и находить единомышленников. Ссылки:
https://www.frontiersin.org/articles/10.3389/fimmu.2023.1135815/full