Suomalaistutkijoiden kehittämä tekoäly ennustaa, mikä puolustusjärjestelmän avain sopii koronaviruksen lukkoihin

Helsingin yliopiston ja Aalto-yliopiston tutkijat ovat kehittäneet tekoälymallin, jonka avulla tutkijat pystyvät yhdistämään puolustusjärjestelmän solut kohteeseensa ja vastaamaan esimerkiksi siihen, mitkä valkosolut tunnistavat koronavirusta. Työkalulla on laajamittaisia käyttömahdollisuuksia, kun yritetään ymmärtää puolustusjärjestelmän toimintaa tulehduksissa, autoimmuunisairauksissa ja syövissä.

Kuva: Kuvan on tehnyt Jani Huuhtanen Biorender.com -sovelluksella

Kuva: Kuvan on tehnyt Jani Huuhtanen Biorender.com -sovelluksella

Ihmisen immuunipuolustus perustuu valkosolujen tarkkaan kykyyn tunnistaa elimistölle vieraita taudinaiheuttajia ja aloittaa puolustusreaktio näitä vastaan. Immuunipuolustus on jatkuvasti oppiva järjestelmä, joka muistaa aiemmin kohtaamansa taudinaiheuttajat, mihin esimerkiksi rokotteiden teho perustuu. Siten ihmisen immuunijärjestelmä on tarkin mahdollinen potilastietojärjestelmä ja kantaa mukanaan historiatietoa kaikista yksilön kohtaamista taudinaiheuttajista. Tämä tieto on kuitenkin aiemmin ollut hankalaa saada esille potilasnäytteistä. 

Oppiva immuunijärjestelmä voidaan jakaa karkeasti kahteen osaan, joista B-solujen tehtävänä on tuottaa verenkiertoon vasta-aineita taudinaiheuttajia kohtaan, kun taas T-solujen tehtävänä on tuhota kohteensa. Vasta-aineiden tunnistaminen perinteisin laboratoriomenetelmin on verrattain yksinkertaista, minkä vuoksi vasta-aineilla on jo useita käyttötarkoituksia terveydenhuollossa. 

“Vaikka tiedetään, että T-solujen merkitys puolustusreaktiossa esimerkiksi viruksia ja syöpää vastaan on oleellisen tärkeä, T-solujen kohteiden tunnistaminen on ollut laajasta tutkimuksesta huolimatta hankalaa”, kertoo translationaalisen hematologian professori Satu Mustjoki.

Tekoäly auttaa tunnistamaan uusia avain-lukko-pareja

T-solut tunnistavat kohteensa avain ja lukko -periaatteella, jossa avaimena toimii T-solun pinnalla oleva T-solureseptori ja lukkona taudinaiheuttajan tuottama proteiini, joka on infektoituneen solun pinnalla. T-solujen erilaisia avaimia arvioidaan olevan jokaisella yksilöllä enemmän kuin tähtiä Linnunradassa, joten laboratoriomenetelmien tekniikoilla T-solujen kohteiden kartoittaminen vaatii runsaasti resursseja ja antaa vain pienen määrän tietoa yksittäisestä potilasnäytteestä. 

 Aalto-yliopiston ja Helsingin yliopiston tutkijat ovat siksi tutkineet näitä perinteisillä tekniikoilla tuotettuja avain-lukko -pareja ja luoneet tekoälymallin, jonka avulla aiemmin kartoittamattomien T-solujen kohteita voidaan ennustaa. 

“Luomamme tekoälymalli on joustava ja sovellettavissa periaatteessa kaikkia kohtaamiamme taudinaiheuttajia vastaan, kunhan kokeellisesti tuotettuja avain-lukko-pareja on tarpeeksi. Pystyimme esimerkiksi nopeasti soveltamaan tekniikkaamme koronavirus SARS-CoV-2:n tutkimiseen, kun riittävä määrä tällaisia pareja oli saatavilla, Aalto-yliopiston tohtorikoulutettava”, diplomi-insinööri Emmi Jokinen selittää.

Tutkimuksen tulokset auttavat ymmärtämään, miten T-solu soveltaa eri osia avaimestaan kohteidensa tunnistamisessa. Tutkijat selvittivät, mitkä T-solut tunnistavat yleisiä ihmisten kohtaamia viruksia, kuten influenssa-, sytomegalo- sekä HI-virusta. Tutkijat analysoivat työkalunsa avulla myös sitä, mikä merkitys hepatiitti B-virusta tunnistavien T-solujen tappamiskyvyn alenemisella on hepatiitin etenemisessä maksasolusyöväksi.

Tutkimus on julkaistu PLOS Computational Biology -tiedejulkaisussa.

Aiemmin julkaistu data hyötykäyttöön uusilla tekoälymalleilla 

Laskennallisten mallien mahdollistamat työkalut ovat kustannusvaikuttavia tutkimuskohteita. 

“Näiden työkalujen avulla pystymme hyödyntämään paremmin jo aiemmin tutkimuksissa julkaistuja potilaskohortteja ja saamme niistä lisäymmärrystä”, Aalto-yliopiston laskennallisen biologian ja koneoppimisen professori Harri Lähdesmäki huomauttaa.

Tekoälytyökalun avulla tutkijat ovat selvittäneet muun muassa sen, miten puolustusreaktion voimakkuus liittyy sen kohteeseen erilaisissa tautitiloissa, mikä ei ilman tätä tutkimusta olisi ollut mahdollista. 

“Olemme esimerkiksi selvittäneet puolustusjärjestelmän roolia COVID19-taudin lisäksi eri autoimmuunisairauksien synnyssä sekä onnistuneet selittämään, miksi osa syöpäpotilaista hyötyy uusista lääkkeistä ja osa ei”, paljastaa lääkäri, Helsingin yliopiston tohtorikoulutettava Jani Huuhtanen työn alla olevista tutkimuksista.

Lisätietoja

LL Jani Huuhtanen, Helsingin yliopisto
Puh. 050 4350 191 
jani.huuhtanen@helsinki.fi
Twitter: @jhuuhtan 

DI Emmi Jokinen, Aalto-yliopisto
emmi.jokinen@aalto.fi

 Professori Satu Mustjoki, Helsingin yliopisto
satu.mustjoki@helsinki.fi
https://www2.helsinki.fi/en/researchgroups/hematology-research-unit-helsinki 

Professori Harri Lähdesmäki, Aalto-yliopisto
Sähköposti: harri.lahdesmaki@aalto.fi
https://research.cs.aalto.fi/csb/

Viite: Jokinen E, Huuhtanen J, Mustjoki S, Heinonen M, Lähdesmäki H (2021).Predicting recognition between T cell receptors and epitopes with TCRGP. PLOS Computational Biology 17(3): e1008814.DOI: doi.org/10.1371/journal.pcbi.1008814


Alkuperäinen tiedote on julkaistu Helsingin yliopiston ja Aalto-yliopiston sivuilla.

Kaisa Pekkala