AI解析免疫系统阴性选择机制

冷泉港实验室（Cold Spring Harbor Laboratory，NY，USA）的一项新研究借用机器学习的思路，尝试回答免疫学中一个长期悬而未决的问题：胸腺中的T细胞如何学会不攻击自身健康组织。

阴性选择的难题

在胸腺中，免疫系统的T细胞通过一个称为阴性选择（negative selection）的过程接受训练。T细胞会接受测试，检查其是否与自身蛋白片段（即自身肽，self-peptides）结合，能够结合的T细胞会被立即清除。然而，每个T细胞只能接触到体内海量自身肽中的一小部分。那么，免疫系统如何学会耐受其余部分？

研究人员Hannah Meyer表示，阴性选择是一个关键过程，但如果T细胞必须逐一测试体内每一种肽，那将耗费无限的时间。研究团队认为，这一过程可能通过一种称为“泛化”（generalization）的机制实现。

从机器学习借来的概念

对于过去十年左右从事技术工作的人来说，“泛化”一词并不陌生。Saket Navlakha解释说，机器学习一直在处理泛化问题。例如，要构建一个能识别狗的模型，并不需要用网络上每一张狗的图片来训练它。机器学习告诉我们，泛化是可能的，但只在特定条件下成立，并非“黑魔法”。研究团队因此尝试从这一视角审视免疫学问题。

Meyer、Navlakha及其团队发现，免疫系统满足通过泛化进行学习的两个关键条件。第一，胸腺中自身肽的丰度与全身组织中的丰度高度一致。用机器学习的术语来说，训练数据与测试数据相似。第二，T细胞受体具有交叉反应性，即单个受体可以识别多种相似的肽，从而使T细胞能够“学习”它从未直接接触过的肽。

90%的清除效率

研究表明，通过这一过程，尽管每个T细胞只接触到体内10%的自身肽，胸腺仍能正确清除90%的自身反应性T细胞。因此，研究团队认为，免疫系统通过一种生物学意义上的“泛化”完成了阴性选择这一令人印象深刻的壮举。

为了进一步推进研究，团队探讨了泛化过程的失败是否有助于解释自身免疫现象，即免疫系统错误攻击健康组织的情况。值得注意的是，该团队的AI模型准确重现了自身免疫性多内分泌综合征1型（autoimmune polyendocrine syndrome type 1）的特征，这是一种罕见的自身免疫疾病。

ImmunoAI方向

Navlakha指出，团队将这一方向称为ImmunoAI。他们并非试图创建受免疫系统启发的AI，而是研究免疫系统如何解决基本的机器学习问题。当开始把免疫系统视为另一种AI时，可能会发现关于人类健康和疾病的意外之处。

来源：BioTechniques（英文原文，生物航编译，内容以原文为准）