疫苗可以预防许多人患上严重疾病，但它们所产生的免疫保护因人而异。由亚利桑那州立大学主导的新研究提供了关于这些差异背后原因的线索。免疫系统可能在接种疫苗之前就显示出它将以多强的反应。亚利桑那州立大学及合作机构的研究人员检查了来自4000多人的血液样本，测量了识别185种抗原的抗体。这些免疫目标包括常见病毒和细菌，以及与自身免疫疾病相关的目标。随后，使用人工智能搜索在COVID-19疫苗接种前后采集的血样中的模式。分析发现的抗体特征可能有助于将产生强疫苗反应的人与反应较弱的人区分开来。这些发现可能最终有助于制定更加贴合个体免疫系统的疫苗接种策略。带领该研究的Joshua LaBaer表示：“我们的研究发现，某些生物标志物在与AI分析时，能够预测谁可能对疫苗产生良好反应，即使在他们接种之前。这暗示着有些人可能比其他人更具免疫准备。”LaBaer是亚利桑那州立大学生物设计研究所的执行主任，也是维吉尼亚·G·派珀个性化诊断中心的主任。该项目还涉及亚利桑那州立大学的研究人员以及来自美国各地医疗和研究机构的合作者。该研究发表在《Cell Press Blue》期刊的当前期刊上。血液抗体可能揭示疫苗准备情况。科学家通常通过测量免疫系统是否产生了针对目标的抗体来评估疫苗反应。在本研究中，研究人员从相反的方向入手。他们想知道在接种疫苗之前，血液中已存在的免疫模式是否能够揭示某人将如何反应。许多因素可以影响疫苗反应，包括年龄、性别、遗传、既往疾病和潜在健康状况。免疫系统受损的人更有可能产生较弱的反应。然而，即便是在同一健康类别中的人，疫苗结果仍可能有很大差异。研究人员使用了一种首次尝试的方法，研究接种前存在的广泛抗体“指纹”，作为免疫准备的衡量标准。虽然其他一些预测策略依赖于基因测试，但该方法分析血液中的抗体模式，可能更容易转化为临床实践。健康状况本身并不能预测反应。为了调查这些抗体指纹是否能够发出疫苗准备的信号，团队测量了对185种抗原的免疫反应。这些目标包括导致COVID-19的SARS-CoV-2病毒，以及其他广泛的病毒和细菌以及与自身免疫疾病相关的目标。总的来说，研究人员检查了4089名参与者的8687个样本。该组包括健康志愿者以及与免疫抑制有关的疾病或治疗的人，包括HIV、多发性骨髓瘤、实体器官恶性肿瘤、自身免疫疾病、炎症性肠病和实体器官移植。几组免疫抑制人群对COVID-19疫苗接种的反应通常较弱。然而，仅将某人归入免疫抑制或健康类别并不能可靠地预测结果。一些免疫系统受损的参与者依然产生了强反应。同时，约5%到6%的健康参与者显示了较弱的疫苗反应。“哨兵”抗体信号免疫准备。分析中，在接种疫苗前已经存在的某些抗体脱颖而出。较高水平的针对常见微生物的抗体，包括金黄色葡萄球菌、呼吸道合胞病毒和人类呼吸道病毒3，与对COVID-19疫苗的强烈反应相关。研究人员称这些抗体为“哨兵”抗体，因为它们可能作为个人潜在免疫准备的指标。这些抗体不一定直接作用于疫苗目标。相反，它们的存在可能提供关于抗体产生部分的免疫系统准备如何反应的信息。团队还研究了完整的抗体指纹是否能提供比少数个体生物标志物更多的预测信息。深度学习模型考察了整个抗体面板中的模式，结合众多测量来构建每个参与者免疫状态的更广泛图景。人工智能搜索数百万个免疫信号。结果展示了在生物医学研究中使用人工智能的一项潜在优势。机器学习系统能够在数百万个生物数据点中寻找微妙的关系，可能会难以被发现。