耶鲁大学研究人员发现，相同感染如流感或感冒为何在不同个体中引发轻重悬殊的症状？为何有人会发展出自身免疫疾病？我们能否预测疾病发生时间及严重程度？为解答这些关键问题，全球科学家组建了"人类免疫组项目"（Human Immunome Project, HIP），目标是创建迄今最大规模的免疫学数据库，绘制全球人类免疫系统变异图谱。该项目将利用这些数据开发人工智能模型，解析免疫系统的个体差异及其反应机制，建立免疫系统与健康及疾病状态的生理关联。
耶鲁医学院免疫生物学与生物医学工程安东尼·N·布雷迪讲席教授约翰·曾（John S. Tsang）表示："这将是史上最全面且具代表性的免疫学数据库，向全球研究者开放后，将驱动免疫系统的量化与预测模型构建。"作为耶鲁癌症中心成员及HIP联合首席科学官，曾教授补充道："我们的愿景是，能否通过开放科学方法构建必要基础设施，建立全球合作伙伴关系来实现这一目标？该项目汇聚了全球顶尖的系统免疫学家、临床科学家、人工智能专家和人类生物学家，共同推进免疫数据的采集、共享与应用标准化。"
耶鲁大学系统与工程免疫学中心（CSEI）是HIP全球网络的十家创始机构之一，该网络覆盖五大洲。曾教授创立了CSEI，并在过去十五年中开创了系统人类免疫学及免疫健康预测指标研究。他解释道："免疫系统作为'通用压力响应器'，免疫细胞持续巡逻身体以侦测异常状态。当组织或器官出现异常时，会发出警报吸引免疫细胞介入——有时表现为引发不适的炎症反应，但更多时候免疫系统在后台静默工作，在症状出现前就消除威胁。"
这种无处不在的持续监控意味着免疫系统与几乎所有疾病进程相关。"要广泛理解健康与疾病，必须掌握个体免疫系统的实时状态，"曾教授强调，"但挑战在于免疫系统由数万亿细胞和分子构成，且随终身暴露持续动态变化。"作为系统免疫学家、计算生物学家和工程师，他同时担任陈·扎克伯格纽约生物中心指导委员会成员，该中心致力于利用生物工程改造免疫细胞实现疾病早期检测与防治。
曾教授团队开发了一种评估方法，不仅能计数和分类血液样本中约百万个参数（包括细胞和免疫分子），更能捕捉特定时刻个体免疫系统的精细状态快照。通过比对健康与患病人群的海量数据，可准确评估个体免疫健康水平。2024年《自然·医学》期刊详细记录了该量化方法，近期《麻省理工科技评论》记者亲身体验后获得了自身免疫健康评分。
为将此类生物信息转化为预测工具，研究人员亟需跨时空的多元化数据。HIP计划通过全球网络建立标准化人体研究协议，招募各年龄段志愿者并追踪五年，初期采用曾教授的技术方案，最终目标是在全球100多个站点评估数十万个体。"这将成为最全面的免疫学数据库，"曾教授重申，"开放数据将赋能全球免疫预测模型开发。"
这些预测模型将基于血液及特定组织样本训练，终极目标是预测个体免疫反应结果与健康轨迹，并发现新治疗靶点。HIP官网指出："此类信息将彻底改变我们优化健康结局的免疫干预能力，应用于疫苗研发、传染病、自身免疫病、大流行防控、癌症及神经退行性疾病等全健康领域。"
曾教授指出，当前精准医学过度依赖基因组学，"基因提供可能性蓝图，却无法反映实时健康状态。"对于免疫相关疾病，遗传因素通常仅解释个体差异的小部分。而免疫系统作为动态传感器，持续整合全身信息以适应环境暴露。HIP因此摒弃静态基因蓝图，致力于构建跨人群的动态免疫图谱，将免疫系统作为精准医学的"核心锚点"。其全球特性将捕捉不同族裔、地域及环境暴露下的免疫变异，所有数据向全球研究者开放，确保科学收益惠及贡献社区。
"我们旨在赋能全球免疫精准医学，"曾教授展望道，"我期待免疫监测有朝一日能像常规心脏检查一样普及。"
【全文结束】
