芝加哥大学普利兹克分子工程学院 (PME) 的研究人员利用机器学习技术，在疫苗设计和免疫疗法领域取得了突破性进展，dent新型免疫通路增强分子。这项研究近期发表于《化学科学》杂志，展现了人工智能 (AI) 在革新免疫调节剂研发方面的巨大潜力。免疫调节剂是开发更有效疫苗和强效癌症免疫疗法的关键组成部分。.
探索广阔的化学空间
鉴于类药小分子的数量估计高达10^60种——远远超过宇宙中可见恒星的数量——dent能够引发所需免疫反应的合适分子一直是一项艰巨的挑战。为了探索这片浩瀚的化学空间，由Aaron Esser-Kahn教授领导的研究团队采用了机器学习技术，而这种方法此前从未被用于免疫调节剂的发现。.
人工智能引导的筛选过程
研究团队首先对4万种分子组合进行了高通量筛选，以评估它们对先天免疫通路的影响，尤其关注对炎症和抗病毒反应至关重要的NF-κB和IRF通路。随后，研究人员将筛选结果与包含近14万种市售小分子的化合物库相结合，指导后续的迭代计算和实验过程。.
利用主动学习这种能够高效引导实验筛选分子空间的机器学习技术，dent 唐一峰（Oliver Tang）主导了这项研究。该过程采用迭代式方法，模型会提出潜在候选化合物或未探索的区域，促使团队进行高通量分析，并将数据反馈给主动学习算法。令人惊讶的是，仅经过四个循环，对化合物库中仅2%的化合物进行采样后，团队就dent了此前未知的、性能优异的小分子化合物。.
破纪录的结果
人工智能引导的发现揭示了性能卓越的小分子，其效果远超人类直觉。这些表现优异的候选药物显著提高了NF-κB活性110%，IRF活性提高了83%，NF-κB活性抑制率更是高达128%。其中一种表现突出的分子与STING激动剂联用时，IFN-β的产生量提高了三倍，展现出在癌症治疗领域的巨大潜力。.
通才及其多才多艺
该研究还发现了“通才型”免疫调节剂——当与激动剂（一种激活细胞受体的化学物质）共同递送时，它们能够改变免疫通路。这些多功能的小分子有望在多种疫苗中发挥多方面作用，从而使疫苗更容易上市。安德鲁·弗格森教授强调了单一分子能够应用于多种疫苗的前景令人振奋。.
揭开分子奥秘
为了深入了解已dent分子的特性，研究团队对促进所需行为的常见化学特征进行了全面分析。这些知识使得研究团队能够有针对性地关注具有特定特征的分子，或通过合理设计，利用dent的化学基团合成新的分子。.
研究人员计划继续推进这项创新研究，旨在dent具有更特异性免疫活性的分子，并探索能够更好地控制免疫反应的组合。埃塞尔-卡恩教授表达了他们的最终目标——找到能够治疗疾病的分子。.
疫苗设计范式的转变
利用机器学习指导免疫调节剂的发现，标志着疫苗设计和免疫疗法领域的范式转变。这种人工智能驱动方法的成功不仅加速了有效分子的dent，也为科学界的合作开辟了道路。随着研究团队展望未来，他们鼓励共享数据集，以提高这项变革性研究的效率和影响力。.
