人工智能正越来越多地被科学家用于加速药物发现和寻找新治疗方法。但为了让人工智能工具有效工作，研究人员需要知道这些工具能否在现实环境中得到验证和应用。
南佛罗里达大学（University of South Florida）的一个研究团队正朝着这一方向迈出一步，他们将人工智能与免疫学相结合，这可能有助于增强肿瘤学治疗以及新药物和疫苗的开发。
在一项于美国东部时间5月6日（星期三）凌晨5点发表在《自然·机器智能》（Nature Machine Intelligence）上的限制性新研究中，南佛罗里达大学健康莫萨尼医学院（USF Health Morsani College of Medicine）的研究人员研究了人工智能工具在预测免疫系统最重要工作之一——识别体内不属于自身的物质——方面的有效性。
这一过程对于对抗感染至关重要，并在免疫疗法的开发中发挥着重要作用，免疫疗法是旨在帮助患者自身免疫系统攻击疾病的治疗方法。
"人工智能工具在帮助研究人员开发疫苗、药物和癌症疗法方面正扮演着越来越重要的角色。然而，如果这些工具没有在现实环境中进行仔细测试，它们可能会产生误导性或有偏见的结果。"
董旭（Dong Xu），南佛罗里达大学健康信息学研究所教授
该研究由董旭（Dong Xu）和南佛罗里达大学健康信息学研究所的助理研究教授何飞（Fei He）领导。密苏里大学哥伦比亚分校（University of Missouri-Columbia）的实习生王贤宇（Xianyu Wang）也是合著者。
研究人员与一种名为PanPep（泛肽元学习的简称）的人工智能模型合作，开发了一个系统而全面的评估框架，用于测试计算工具在预测体内特定细胞是否会识别和响应抗原（触发免疫反应的物质）方面的有效性。
这个问题对药物发现至关重要，因为免疫系统识别这些靶标的能力有助于确定身体能否检测并应对感染、肿瘤或疫苗。
他们的新框架可应用于广泛的免疫学预测问题，包括肽–HLA（人类白细胞抗原）结合；肽–T细胞受体相互作用；抗原呈递；以及其他由肽或抗原驱动的相互作用。这些关键过程帮助免疫细胞识别体内何物属于自身，何物可能是威胁。
何飞表示："我们的研究测试了人工智能工具在预测一种重要免疫系统相互作用方面的有效性，这种相互作用可能有助于指导癌症免疫疗法和疫苗的开发。我们的发现突显了当前人工智能方法的优势和弱点，并为构建安全、更可靠的人工智能医疗工具提供了指导。"
免疫细胞识别并对抗原做出反应，抗原是细菌、病毒或肿瘤细胞上的蛋白质，可作为外来标记物，向免疫系统发出可能威胁的警报。
适应性免疫细胞，包括T细胞和B细胞，使用特异性受体来识别病毒、过敏原、毒素或癌细胞等有害入侵者。其他免疫细胞则吞噬这些入侵者，将其分解成抗原片段，并将这些片段呈递以激活有针对性的免疫防御。
该团队使用PanPep和其他工具来预测T细胞受体在与抗原结合时的行为。该工具旨在解决数据有限的挑战，能够创建场景来预测未见过或罕见肽（可作为关键免疫系统靶标的小型氨基酸链）的结合情况。
准确预测肽和T细胞受体的结合使科学家能够识别并设计适合特定免疫细胞的正确"触发"肽。这些触发肽可以加速免疫疗法并拯救生命。
通过缩小实验室测试的最佳候选范围，研究人员可以减少对耗时且昂贵的大规模生物实验的需求。
南佛罗里达大学（USF）的研究代表着向更可靠的人工智能指导、个性化癌症疗法和疫苗迈出了重要一步。例如，使用PanPep等工具，科学家可能能够在计算机上模拟肿瘤学筛查过程，将时间从数月或数年缩短至几天。
例如，如果医生能够快速为四期癌症患者确定有前景的治疗方法，这可能会延长他们的生命。但作者指出，尽管元学习方法可以仅使用少量实验数据构建准确的、针对特定目标的模型，但在它们能够安全地用于指导个性化护理之前，需要进行仔细测试和改进。
作者表示："由于现实世界的应用通常涉及全新的免疫靶标，目前尚不清楚这些模型能在多大程度上处理真正未见过的情况。这就是本研究的最初理由。"
来源：
南佛罗里达大学（University of South Florida）
期刊参考文献：
何飞（Fei He）等（2026）。《可重用性报告：用于抗原特异性T细胞受体结合物识别的元学习》。《自然·机器智能》（Nature Machine Intelligence）。DOI: 10.1038/s42256-026-01236-6。
【全文结束】