乙型肝炎疫苗是最有效的免疫接種之一，通?？梢蕴峁凳甑谋Ｗo，防止致命的肝臟病毒。但在大約10%的人身上，它不起作用。2020年，西蒙弗雷澤大學(Simon Fraser University)的系統生物學Amy Huei-Yi Lee)和她的同事們開始確定他們是否可以預測誰將從中受益?？茖W家們發現，接受者免疫系統的數據，如某些蛋白質的豐度和一些基因的活動模式，預示著他們是否會產生對病毒的防御。
Lee說:“我們了解了哪些因素推動了疫苗反應，哪些因素沒有。”
她和她的同事們只能從少數病人身上進行測量，但一項雄心勃勃的計劃將于今年年初開始，從世界各地成千上萬的志愿者那里收集這些數據。這項名為“人類免疫組計劃”(Human Immunome Project, HIP)的計劃得到了一個由公司、政府機構和大學組成的國際聯盟的支持，該計劃將探測血液和組織樣本中的數千種免疫變量。結果可能是世界上最大和最全面的免疫學數據庫，這是科學家研究免疫系統差異以及它們如何影響我們對疫苗和藥物的反應以及我們對疾病的脆弱性的資源。
而這僅僅是這項工作的開始，目前每年的資金約為500萬美元，但最終可能需要數十億美元。HIP是之前人類疫苗項目的一個分支，它還將利用這些數據作為新的人工智能(AI)模型的素材，這些模型可以預測整個人群的免疫系統反應，不僅為制藥公司和政府，甚至為醫生和患者提供有價值的見解。“全球都會感受到這種影響，”神經學家Hans Keirstead說，他是加州爾灣項目的首席執行官。
與該項目無關的科學家表示，為世界編制一個基本免疫數據庫的目標是可行的。“我們有經驗和技術，”賓夕法尼亞大學的免疫學家Allison Greenplate說。但她和其他人質疑人工智能能增加多少洞察力。
在心臟病學領域，脂質檢測可以揭示病人的心血管健康狀況和疾病風險。然而，免疫學并沒有一套可比的簡單測量方法來表明一個人的免疫系統的狀態，戴維斯說。一些數據可以提供一個粗略的衡量標準:例如，中性粒細胞數量減少的患者更容易感染。但這樣的數據是有限的。HIP的目標是提出一組統一的測量方法，像脂質面板一樣，提供免疫系統功能的讀數。
一些公共和私人部門的努力已經從大量人群中收集了一些基本的免疫數據，包括美國國立衛生研究院(National Institutes of Health)收集100萬人基因組和醫療數據的項目“我們所有人”(All of Us)，以及谷歌分支機構Verily的“基線項目”(Project Baseline)，該項目統計了個人對COVID-19感染的反應。但這類項目收集的信息種類有限，就“基線項目”而言，這些數據還沒有公開。
耶魯大學系統免疫學家John Tsang說，另一個研究不足的領域是“對人類免疫變異和多樣性的理解”，他幫助制定了HIP的科學計劃。一系列的因素——包括年齡、性別、飲食、生活條件、以前的疾病暴露和基因——決定了免疫系統的功能。Tsang說，但是大多數免疫學研究都是在小的、同質的人群中進行的，通常在美國或歐洲。托馬斯說，依賴于人類如此狹隘的一部分“已經使我們的理解產生了偏差”。
HIP旨在解決這種缺乏多樣性的問題。“我們想要每個人的基線數據，”Keirstead說。為了捕捉人類的多樣性，HIP計劃在所有有人居住的大陸上建立多達300個收集點。每個網站將測量多達1萬人的同一組變量，這些人來自不同的社會經濟水平和年齡范圍，從新生兒到百歲老人。此外，他們將包括健康的人，以及患有自身免疫性疾病、癌癥和過敏等疾病的人。所有志愿者都必須接受醫學檢查，并提供詳細的健康史。
Keirstead說，盡管HIP計劃在2027年開始全球數據收集階段，但該計劃的第一階段將于今年啟動，規模較小，可能涉及7到10個臨床研究中心，包括富裕國家以外的設施，這些中心已經擅長收集和分析免疫數據。在每個地點，該項目將研究大約500人，測量免疫變量，包括不同類型免疫細胞的豐度、基因活性、代謝分子的濃度和DNA序列。“我們的想法是，我們將深入研究，盡可能多地測量，”Tsang說。從大量的數據中，該項目將選擇幾個變量，提供免疫系統如何工作的最清晰的畫面。它們還將為免疫監測工具包提供基礎，這是項目第二部分的所有場址都將使用的一套標準檢測方法。
最終，HIP將產生近2萬億個免疫測量結果，這些數據將通過一個中央數據庫公開提供。有了這些數據和其他信息，HIP將建立一個預測性人工智能模型，該模型可以基于免疫譜、血統、經濟狀況、年齡和其他信息來預測個人如何應對壓力或挑戰，比如特定的藥物或病原體。該模型可以幫助制藥公司確定新療法的機會和避免藥物反應。Keirstead說，通過提供一個更詳細的關于人口健康和對副作用的脆弱性的視圖，該模型可以使各國更好地決定哪些藥物是他們的人口所需要和適合的，從而使他們能夠降低衛生保健費用。
Kierstead說，HIP在人工智能方面的雄心壯志是“前所未有的”，這可能就是為什么項目的這一部分吸引了外部研究人員更多的懷疑。該項目不僅打算建立預測模型，還打算建立能夠復制免疫系統運作方式的模型。佛羅里達大學的數學生物學家Reinhard Laubenbacher表示，人工智能將檢測到反應模式，但他懷疑它是否能加深對免疫系統的理解。“像這樣的數據收集工作非常有幫助，但我們可能需要更多，”他說。他說，當務之急是“建立一個理論框架”，以理解該項目將積累的信息。
另一個挑戰是資金。Keirstead說，為了實現它的雄心壯志，HIP將需要一個超大規模的預算，在未來10年里大約需要10億到30億美元。為了籌集所需的資金，HIP現在希望超越目前的合作伙伴，向慈善機構、政府和其他制藥公司尋求幫助。“我的目標是每個人。他說:“沒有一塊石頭沒有被翻過。”
Lee說，確保HIP的偏遠站點在收集和分析數據時遵循相同的程序也將是一個挑戰，他補充說，免疫監測套件將在這方面提供很大的幫助。托馬斯說，考慮到他們對這樣的科學研究的不信任，吸引非白人參與者可能也很困難。“他們沒有看到好處，還被剝削了。”
盡管如此，他和其他人都渴望看到HIP能產生什么。Greenplate說:“如果他們成功了，那將是一件大事。”
（文章來源：www.ebiotrade.com/newsf/2024-1） | 
