მეცნიერების ანგარიშების საფუძველზე, მკვლევარებმა შეიმუშავეს ინოვაციური AI ინსტრუმენტი, სახელწოდებით Mal-ID, რომელსაც შეუძლია მრავალი დაავადების დიაგნოსტირება, მათ შორის COVID-19, ტიპი 1 დიაბეტი და აივ, ერთი სისხლის ნიმუშიდან იმუნური უჯრედების გენის თანმიმდევრობების ანალიზით, რაც პოტენციურად ახდენს სამედიცინო დიაგნოსტიკის რევოლუციას.
Mal-ID-ის დიაგნოსტიკური ინსტრუმენტი Mal-ID (იმუნოლოგიური დიაგნოზისთვის მანქანათმშენებლობის სწავლება) აერთიანებს ექვს მანქანათმშენებლობის სასწავლო მოდელს იმუნური უჯრედების მილიონობით თანმიმდევრობის გასაანალიზებლად, სხვადასხვა დაავადებასთან დაკავშირებული მკაფიო ნიმუშების იდენტიფიცირებისთვის. ეს რევოლუციური მიდგომა იკვლევს როგორც B-უჯრედების, ისე T-უჯრედების რეცეპტორებს (BCR და TCR), B უჯრედების რეცეპტორების თანმიმდევრობები ყველაზე ეფექტურია აივ და SARS-CoV-2 ინფექციების გამოსავლენად, ხოლო T უჯრედების რეცეპტორების თანმიმდევრობები უკეთეს ინფორმაციას გვაწვდიან აუტოიმუნური პირობების შესახებ, როგორიცაა ლუპუსი და ტიპი 1 დიაბეტი. ინსტრუმენტის კომბინირებული ანალიზი აუმჯობესებს დიაგნოსტიკურ სიზუსტეს ყველა პირობებში, პაციენტის დემოგრაფიის მიუხედავად და შეუძლია გამოავლინოს გრიპის ბოლო ვაქცინაციაც კი.
ერთი გასროლით სეკვენირების მეთოდი Mal-ID-ის მიერ გამოყენებული ინოვაციური “ერთი გასროლით სეკვენირების მეთოდი” იპყრობს იმუნური სისტემის ყოვლისმომცველ ექსპოზიციებს, რაც უზრუნველყოფს ინდივიდის ჯანმრთელობის მდგომარეობის ჰოლისტურ ხედვას. ეს მიდგომა იძლევა მრავალი დაავადების ერთდროული შეფასების საშუალებას ერთი სისხლის ანალიზის საშუალებით, რაც ამარტივებს დიაგნოსტიკურ პროცესს. იმუნური უჯრედების მილიონობით თანმიმდევრობის ანალიზით, სისტემას შეუძლია აღმოაჩინოს სხვადასხვა პირობების აღმნიშვნელი დახვეწილი ნიმუშები, რაც უზრუნველყოფს პაციენტის იმუნური პასუხის უფრო ნიუანსურ გაგებას. ამ მეთოდის უნარი, უზრუნველყოს იმუნური სისტემის ერთიანი ანალიზი, წარმოადგენს მნიშვნელოვან წინსვლას დიაგნოსტიკურ მედიცინაში, რაც პოტენციურად ამცირებს დროსა და რესურსებს, რომლებიც საჭიროა დაავადების ზუსტი იდენტიფიკაციისთვის.
BCR და TCR ანალიზი B უჯრედების რეცეპტორების (BCR) და T უჯრედების რეცეპტორების (TCR) თანმიმდევრობები გადამწყვეტ როლს თამაშობენ Mal-ID სისტემის დიაგნოსტიკურ შესაძლებლობებში. BCR თანმიმდევრობები განსაკუთრებით ეფექტურია აივ და SARS-CoV-2 ინფექციების იდენტიფიცირებაში, ხოლო TCR თანმიმდევრობები უფრო ზუსტ ინფორმაციას გვაწვდიან აუტოიმუნური პირობების შესახებ, როგორიცაა ლუპუსი და ტიპი 1 დიაბეტი. ანალიზის ფრეიმვორკი ადარებს BCR და TCR თანმიმდევრობის მახასიათებლების ექვს სხვადასხვა წარმოდგენას ჯანმრთელ და ავადმყოფ ინდივიდებს შორის, სწავლობს საერთო მახასიათებლებს დაავადების სტატუსის პროგნოზირებისთვის. ეს მიდგომა საშუალებას აძლევს Mal-ID-ს: * ანტიგენ-სპეციფიკური რეცეპტორების ხაზგასმა * გამოავლინოს სისტემური წითელი მგლურას და ტიპი 1 დიაბეტის აუტორეაქტიულობის მკაფიო მახასიათებლები * განასხვავოს კონტროლი, სხვადასხვა დაავადების მქონე პირები და გრიპის საწინააღმდეგო ვაქცინაცია ჩატარებულები.
დნმ-ის სეკვენირების და მანქანათმშენებლობის სწავლების კომბინაცია Mal-ID-ში ქმნის მონაცემებზე დაფუძნებულ სამედიცინო დიაგნოსტიკას, რომელიც ეფექტურად “კითხულობს” იმუნური სისტემის პასუხს ჯანმრთელობის სხვადასხვა მდგომარეობაზე. იმუნური რეცეპტორების რეპერტუარების ინტერპრეტაციის ამ ინოვაციურ მეთოდს აქვს ფართო პოტენციალი როგორც სამეცნიერო კვლევისთვის, ასევე კლინიკური გამოყენებისთვის მრავალი დაავადების გაგებასა და დიაგნოსტირებაში.
Mal-ID-ის კლინიკური პოტენციალი მიუხედავად იმისა, რომ ჯერ კიდევ არ არის მზად კლინიკური გამოყენებისთვის, Mal-ID აჩვენებს მნიშვნელოვან პერსპექტივას დიაგნოსტიკური მედიცინის რევოლუციისთვის. მისი პოტენციური სარგებელი მოიცავს იმუნური სისტემის ერთიანი ანალიზის უზრუნველყოფას, იმ პირობების დიაგნოსტირების შესაძლებლობას, რომლებსაც არ აქვთ საბოლოო ტესტები და დაავადების ექსპოზიციის ისტორიის ყოვლისმომცველ შეთავაზებას ერთი სისხლის ანალიზის საშუალებით. ეს ფრეიმვორკი შეიძლება განსაკუთრებით ღირებული იყოს რთული აუტოიმუნური პირობების დიაგნოსტირებისთვის, როგორიცაა ლუპუსი, სადაც პაციენტები ხშირად აწყდებიან ხანგრძლივ დიაგნოსტიკურ გზას. მანქანათმშენებლობის სწავლების ძალის გამოყენებით იმუნური პასუხების ინტერპრეტაციისთვის, Mal-ID-ს აქვს პოტენციალი გაამარტივოს დიაგნოსტიკური პროცესი, რაც პოტენციურად ამცირებს დროსა და რესურსებს, რომლებიც საჭიროა დაავადების ზუსტი იდენტიფიკაციისთვის პირობების ფართო სპექტრში.
