淋病是一种性传播的细菌感染，每年影响全球8000多万人，对几乎所有已知的抗生素都有耐药性。这使得它很难治疗，但如果不加以治疗，感染可能会导致严重甚至致命的并发症。它还增加了一个人感染艾滋病毒的风险。
一项新的研究表明，人工智能可能有助于识别疫苗的关键成分。本周，在mBio上，学术和商业研究人员之间的一项国际合作报告了两种有前景的抗原作为淋病疫苗的候选抗原的鉴定。研究人员使用了一种名为功效判别教育网络（EDEN）的人工智能模型来识别保护蛋白。
他们还使用EDEN生成分数，准确预测抗原组合在多大程度上会减少淋病奈瑟菌的致病细菌种群，淋病奈瑟球菌是导致淋病的微生物。
“据我们所知，这种相关性以前从未显示过，”伍斯特马萨诸塞大学陈医学院的传染病研究人员Sanjay Ram医学博士表示。Ram、Sunita Gulati、D.Sc和他们的同事在实验室和动物模型中测试了EDEN鉴定的抗原。
这项工作始于2008年，当时丹麦的Andreas Holm Mattsson挖掘了已发表的文献，从各种病原菌中收集了一个保护性表面蛋白的大型数据集。同年，Mattsson创立了人工智能免疫学初创公司Evaxion，并希望设计一个基于人工智能的系统，可以识别感染微生物中的疫苗靶点。
在这项新研究中，Mattsson和他的同事将这一新的人工智能模型应用于10种临床相关淋球菌菌株的蛋白质组，以预测一组细菌蛋白质，在疫苗中，这些蛋白质可以帮助人体免疫系统识别和抵御细菌。
Mattsson表示：“EDEN使用人脸识别等功能来理解蛋白质之间的差异。”
一旦他们编制了这份名单，他们就把它寄给了马萨诸塞州的拉姆和古拉蒂。Ram认为：“我们在小鼠模型中测试并验证了他们所有的候选者。”。该小组首先在小鼠中测试了2或3种抗原的组合。该分析确定了2种参与细胞分裂的蛋白质是有希望的候选者，这两种蛋白质以前都没有暴露在细胞表面。
在实验室实验中，从用这两种蛋白质免疫的小鼠身上采集的血液样本在体外杀死了来自多种淋病菌株的细菌。这些发现与EDEN的预测一致。在另外的实验中，免疫小鼠感染淋病奈瑟菌，疫苗降低了细菌负担。
马萨诸塞大学陈医学院研究员Sanjay Ram医学博士说：“这真的很令人惊讶。没有人会预测到这两种被认为没有表面暴露的蛋白质会在疫苗中发挥作用，其他研究人员对此表示怀疑。”
考虑到单个测试的有效性，Evaxion团队随后将这些蛋白质组合成一种嵌合蛋白，从而诱导免疫反应，该反应在实验室和动物模型中同样显示出有效性。
Ram指出，调查还揭示了这种候选疫苗清除淋球菌感染的关键机制。是否 这种细菌清除机制发生在人类遗骸中 待研究。
研究人员现在正在使用EDEN在其他病原微生物中寻找疫苗候选蛋白，包括EDEN预测在小鼠模型中具有高效性的几种细菌。
他们也在思考如何超越临床前工作的承诺，看看同样的蛋白质在人体内是否具有保护作用。他们最近与南非一家生物技术公司合作，开发了一种基于抗原的实验性信使核糖核酸疫苗。
来源：
https://www.news-medical.net/news/20231031/AI-may-help-identify-potential-gonorrhea-vaccine-proteins.aspx