У НДУ ВШЕ використовували глибоке навчання з медичною метою

Результати нових робіт були представлені на Міжнародній конференції ISMB/ECCB 2017.

Студенти Вищої школи економіки (НДУ ВШЕ) Рудольф Лайко і Софія Толстоухова застосували методи глибокого навчання (deep learning) до імунологічних завдань, вирішення яких може зробити відчутний внесок у розвиток персоналізованої медицини. Результати своєї роботи автори представили на Міжнародній конференції ISMB/ECCB 2017. Однією з головних тем заходу стало застосування інтелектуальних систем у молекулярній біології.

Сьогодні активна імунотерапія передбачає введення препаратів, що містять спеціальні клітини, які стимулюють роботу імунної системи. Так лікують багато онкологічних захворювань і різні імунодефіцити. Розробка подібних препаратів вимагає значних витрат часу і ресурсів і не завжди призводить до успіху, оскільки неможливо передбачити, чи спрацюють потенційні ліки.

Студенти освітньої програми «Прикладна математика» МІЕМ НДУ ВШЕ під керівництвом аспіранта МІЕМ Вадима Назарова запропонували низку рішень, що дозволяють звузити діапазон тестованих препаратів, що в перспективі значно полегшить життя багатьом науковцям.

Робота Софії Толстоухової ставить своєю метою оцінити - наскільки різні є у пацієнта Т-лімфоцити, тобто клітини безпосередньо беруть участь у розпізнаванні чужорідних антигенів. Маючи інформацію про Т-клітинне розмаїття, потенційно можна говорити про те, з якими захворюваннями імунна система в змозі впоратися сама, а які потребують додаткового втручання в разі їх розвитку. Софія Толстоухова розробила математичну модель з передбачення селекції лімфоцитів, а також проект її програмної реалізації. Цю модель можна вбудувати як окрему частину в будь-які біоінформатичні пайплайни для аналізу даних (тобто набору різних програм для послідовної обробки даних) або використовувати окремо. Програма дозволяє оцінити ймовірність знищення або виживання окремих лімфоцитів.

Софія Толстоухова, студентка ВП «Прикладна математика» МІЕМ ВШЕ, розповідає: "Моя розробка є унікальною у своєму роді, оскільки досі ніхто не вирішував подібну задачу: передбачення відсутності/наявності та кількості певних Т-клітин у крові людини. Запиту від медичної спільноти на модель тимічної та клональної селекції поки не було. Ми працюємо на випередження, так як очевидно, що ця модель несе в собі великий потенціал, тому що оцінка стану імунного репертуару (набору всіх Б- або Т-клітин людини), його різноманітності, відстеження динаміки в репертуарі - це те, що могло б зробити імунотерапію ефективніше і точніше за рахунок обчислення відсутніх компонентів (тобто Т-клітин в нашому випадку) ".

Ця робота буде цікава вченим, які ведуть експерименти із застосування імунотерапії в лікуванні ВІЛ-інфекції. Розробка також допоможе при дослідженні аутоімунних захворювань.

Проблема, яку вирішує Рудольф Лайко, полягає в наступному: головний комплекс гістосумісності (major histocompatibility complex, MHC) регулює сумісність тканин і відіграє ключову роль в успішності трансплантації органів і тканин - тобто, управляє прийняттям або відторгненням будь-якої тканини організмом. Для успішної трансплантації імунна система повинна розпізнати нові тканини як свої, а не як чужорідні. Тому перед тим як проводити активну імунотерапію, необхідно відповісти на питання - які саме потрібні препарати. Для терапії, наприклад, пухлин необхідно розробити такі препарати, які атакували б тільки пухлини в контексті MHC реципієнта, що вимагає попереднього перебору потенційних препаратів і аналізу їх взаємодії з імунною системою реципієнта.

Програмне забезпечення, що дозволяє передбачити силу зв'язку MHC-peptide, вже існує, проте воно володіє своїми істотними недоліками, наприклад, поточні рішення погано оцінюють силу зв'язку комплексів MHC-peptide для тих МНСБ, яких мало або взагалі немає у вихідних даних. Математична модель, створена студентом НДУ ВШЕ Рудольфом Лайко, враховує цей фактор і дозволяє передбачати для непотрібних МНС (прикладів, для яких у вихідних даних немає) сили пов'язування з високою точністю. Розробку студента вже можна застосовувати в реальних умовах, після низки додаткових перевірок.

Рудольф Лайко, студент ВП «Прикладна математика» МІЕМ ВШЕ: "Передбачення сили зв'язку MHC-peptide дуже важливе для розробки препаратів для імунотерапії, так як Т-клітини і MHC працюють в комплексі, і для стимулювання імунної відповіді на патогенні пептиди потрібно оцінювати не тільки реакцію Т-клітин, але і реакцію MHC на них. Знаючи передбачення для обох типів молекул можна оцінити діапазон тестованих препаратів і вже для них запускати "мокрі" біологічні експерименти ".

Свої розробки студенти Вишки називають інструментами для інших вчених. Вони впевнені, що попит на них зростатиме з розвитком і впровадженням у повсякденне життя технологій персоналізованої медицини. При цьому, як зазначають студенти, контроль якості методів був проведений, нейронна мережа добре справляється з поставленим завданням і результати виглядають багатообіцяючими.