为了寻找更好的疟疾疫苗，研究人员转向机器学习

抗疟疾药物一直是全球公共卫生工作的核心组成部分，从2000年到2019年，致命的蚊媒疾病下降了44%，但随着导致疟疾的寄生虫对这些药物产生耐药性，进展停滞不前。

现在，马里兰大学帕克分校的计算生物学家与巴尔的摩马里兰大学医学院的研究人员合作，使用机器学习来研究疟疾疫苗，机器学习是人工智能的一个子集，不需要直接编程。

他们正在使用一种称为“反向疫苗学”的新方法，该方法采用强大的生物信息学工具来深入研究导致疟疾的几种寄生虫的基因组成，以靶向与这些病原体相关的蛋白质或抗原，以进行疫苗测试。

该团队的初步研究最近发表在npj Systems Biology and Applications上。

该论文的主要作者是Renee Ti Chou博士，23岁，马里兰州罗克维尔Lexical Intelligence的数据科学家，共同作者包括马里兰大学高级计算机研究所的生物学教授Michael Cummings教授，以及来自医学院疫苗开发和全球健康中心的Amed Ouattara，Matthew Adams，Andrea A. Berry和Shannon Takala Harrison。

卡明斯说，研究人员不仅确定了新的潜在疫苗靶点，而且还根据重要性对它们进行了排名。为了优先考虑最有前途的候选者，他们研究了基因本质以及蛋白质在寄生虫生命周期中的活跃时间等因素。

“这些发现为未来的疫苗研究提供了一个灵活的框架，”Chou在UMD的学术顾问Cummings说。“我们可以调整我们的标准，甚至可以将这种方法应用于疟疾以外的其他疾病。这是在寻求更好疫苗方面迈出的一大步。

根据美国疾病控制和预防中心的数据，每年有超过2.4亿人感染疟疾，其中大部分在非洲。目前的疫苗使许多接种者面临患病的风险;研究人员说，如果没有一种高效的方法，击败这种在2022年造成约60.8万人死亡的疾病可能是遥不可及的。

然而，要做到这一点，科学家们必须针对恶性疟原虫寄生虫的不同生命周期阶段，恶性疟原虫是导致疟疾的疟原虫血液寄生虫中最致命的物种。

生物信息学和计算生物学中心主任卡明斯说，这可能很棘手;寄生虫不仅在其生命周期中呈现出不同的形式，而且其遗传蛋白也会发生变化，使人类免疫系统难以对抗。到目前为止，大多数疫苗工作都集中在少数蛋白质上，而没有关注恶性疟原虫寄生虫基因的全貌。

该团队分析了来自恶性疟原虫寄生虫的数千种蛋白质，每种蛋白质考虑了272种不同的因素。他们使用一种称为正无标记学习的机器学习技术来对这些数据进行分类，让系统从已知的有效目标中学习。