Ваша кров може передбачити, наскільки добре буде діяти вакцина

Ваша кров може передбачити, наскільки добре буде діяти вакцина


Ваша кров може передбачити, наскільки добре буде діяти вакцина
Попередні зразки антитіл можуть вказувати на те, наскільки добре людина реагує на вакцину, і допомагають ідентифікувати осіб із ризиком ослаблення імунної відповіді. Авторство: графіка Джейсона Драйса для Інституту дизайну Університету штату Арізона

Приховані моделі антитіл у вашій крові можуть показати, наскільки добре ваша імунна система реагує на вакцину до того, як ви отримаєте вакцину.

Ще до того, як хтось отримає вакцину від COVID-19, його кров уже показує, наскільки добре реагує його імунна система. Деякі з цих симптомів викликані антитілами проти мікробів, відмінних від вірусу, проти якого призначена вакцина.

У дослідженні, проведеному Університетом штату Арізона, люди з високим рівнем уже існуючих антитіл, як правило, сильніше реагували на вакцинацію проти COVID-19. До них належать антитіла проти бактерії Staphylococcus aureus і респіраторних вірусів RSV і респіровірусу людини 3. Отримані дані свідчать про те, що попередні імунні контакти можуть залишити вимірний шаблон, який допомагає передбачити відповідь на вакцину.

Дослідники називають ці антитіла «сторожовими». Вони не обов’язково атакують ціль вакцини безпосередньо. Натомість їх присутність може вказувати на те, наскільки швидко реагує частина імунної системи, яка виробляє антитіла. Дослідження, що в Натисніть на синійдосліджували, чи можуть ці індивідуальні маркери та ширші моделі антитіл допомогти ідентифікувати людей, які мають більшу ймовірність поганої відповіді на вакцину.

Міцне здоров’я не гарантує важких реакцій на вакцину

Вік, стать, генетика, попередні захворювання та основні стани здоров’я – все це пов’язано з відмінностями у відповіді на вакцину. Умови, які ставлять під загрозу імунну систему, часто збільшують ризик слабкої реакції, але категорія здоров’я людини не говорить усієї історії.

Ця різниця була очевидною серед 4089 учасників дослідження. До цієї групи входили здорові добровольці та люди із захворюваннями або лікуванням, пов’язаними з пригніченням імунітету, включаючи ВІЛ, множинну мієлому, рак солідних органів, аутоімунні захворювання, запальні захворювання кишечника та трансплантацію солідних органів. Декілька груп із ослабленим імунітетом мають меншу ймовірність відповіді на вакцину проти COVID-19. Проте деякі учасники з ослабленим імунітетом відповіли сильно, тоді як приблизно від 5% до 6% здорових учасників мали слабку відповідь.

Джошуа ЛаБайер
Джошуа ЛаБайер є директором Інституту біодизайну при АСУ та Центру біодизайну Вірджинії Г. Пайпер – персональний діагност. Авторство: Інститут біодизайну при Університеті штату Арізона

Відбитки пальців антитіл допомагають передбачити відповідь на вакцину

Профілювання антитіл може вловити відмінності, які пропускають ці широкі категорії. Вчені зазвичай оцінюють реакцію на вакцину після вакцинації, вимірюючи антитіла проти її мішені. Команда ASU та її колеги з медичних і дослідницьких установ по всій країні досліджували, скільки вони можуть дізнатися перед зйомкою.

Вони проаналізували 8687 зразків крові, зібраних до вакцинації проти COVID-19, і виміряли антитіла проти 185 антигенів, розпізнаних імунною системою. Панель включала мішені від SARS-CoV-2, вірусу, який викликає COVID-19, інших поширених вірусів і бактерій, а також мішені, пов’язані з аутоімунними захворюваннями.

Технологія, яка вимірює реакцію кількох антитіл одночасно, дозволила команді вивчити реакцію людини на один патоген. Разом ці вимірювання утворюють «відбиток пальця» антитіла, який відображає зустрічі з різними імунними мішенями.

Потім дослідники використали модель глибокого навчання, різновид штучного інтелекту, щоб дослідити закономірності в панелі. Замість того, щоб покладатися на кілька дозорних антитіл, модель інтегрувала вимірювання в більш широкий імунний профіль, який допоміг відрізнити сильнішу відповідь на вакцину від слабшої. Штучний інтелект дозволив команді шукати в мільйонах точок біологічних даних тонкі передбачувані зв’язки.

«Наше дослідження виявило, що певні біомаркери, проаналізовані за допомогою штучного інтелекту, передбачають, хто, ймовірно, добре відреагує на вакцину, навіть до її отримання. Це свідчить про те, що деякі люди можуть бути більш готовими до імунної системи, ніж інші», — говорить Джошуа ЛаБайер, керівник дослідження.

ЛаБер є виконавчим директором Інституту біодизайну ASU та директором Центру персоналізованої діагностики Вірджинії Дж. Пайпера.

Профілі антитіл можуть допомогти підібрати вакцину

Цей підхід є одним із перших, у якому використовується широке сканування антитіл перед вакцинацією для оцінки готовності імунітету. Оскільки він ґрунтується на моделях антитіл у крові, його легше адаптувати для клінічного використання, ніж деякі методи прогнозування, які потребують генетичного аналізу. Це також може допомогти дослідникам зрозуміти, чому відповідь на вакцину відрізняється, вивчаючи профіль антитіл, а не лише антитіла проти однієї хвороби.

Висновки мають бути підтверджені в додаткових дослідженнях та інших вакцинах, щоб дослідники могли визначити, чи застосовуються вони після COVID-19. Якщо буде підтверджено, профіль дозорних антитіл може допомогти в тестуванні та розробці вакцин, а також у лікуванні людей із ризиком ослабленої імунної відповіді. Згодом лікарі зможуть використовувати його для виявлення пацієнтів, які потребують додаткових доз, більш ретельного спостереження чи інших захисних заходів.

Довідка: «Антитіла до вакцинації передбачають притуплену відповідь на вакцину» Лушен Сонг, Джин Г. Парк, Цзі Цю, Вел Муруган, Сейедмасуд Мусаві, Чінг-Вен Хоу, Д. Мітчелл Магі, Чжунсу Чен, Юнро Чунг, Стейсі Вільямс, Торні Торрі, Дейбо Трендлер, Гейб Райс, Келлі Коннард, Бредлі Боббетт, Майкл Річі, Ізамар Гарсія, Гільєрмо Себастьян Трівіно Сото, Джованна Карут, Елені Катергаріс, Крістен Сейферт, Вероніка Бойл, Хівук Лі, Дамодара Рао Менду, Вівіана Туан Симона, Вімал Сантават Кохар, Раян, Олена Ковальскі, Патрік Брейдс, Девід Феттерер, Трой Кемп, Енн Халса, Лаура Нордстром, Майкл Д. Вайт, Ракель Сальгадо, Чад М. ВанДенберг, Натача Монталво, Крейг Вудс, Раджат Валіа, Девід Карпентьєрі, Пітер Арден, Крістін Л. Пейтлі-Лакер, Пітер Арден, Крістін Л. Стефані Н. Томас, Енн Девідсон, Томас Хікі, Ненсі Рош, Лігія Пінто, Норман Клейман, Карлос Кордон-Кардо, Емі Б. Каргер, Пітер Грегерсен і Джошуа ЛаБер, 20 серпня 2026 р. Натисніть на синій.
DOI: 10.1016/j.cpblue.2026.100088

Це дослідження фінансувалося NIH/Національним інститутом здоров’я, NIH/Національним інститутом раку та Центрами передового досвіду аутоімунітету.

Ніколи не пропустіть прорив: приєднуйтесь до інформаційного бюлетеня SciTechDaily.
Слідкуйте за нами в Google і Google News.



Source link

Leave a Reply

Your email address will not be published. Required fields are marked *

Delta Air Lines (m1h262p) Delta Air Lines (m1h26g2) 애벗잡담잡이 애벗태양새 애벗얼가니새 애벗찌르레기 압드알쿠리참새 압딤황새 아버데어시스티콜라 이상한덤불개개비 에이버트북미덤불멧새 아비시니아캣버드 아비시니아크림슨윙 아비시니아지상코뿔새 아비시니아지상지빠귀 아비시니아긴발톱할미새 아비시니아올빼미 아비시니아파랑새 아비시니아낫부리후투티 아비시니아슬레이티딱새 아비시니아지빠귀 아비시니아왁스빌 아비시니아검은딱새 아비시니아동박새 아비시니아딱따구리 아카시아얼룩바벳 아카시아박새 아카디아딱새 아체직박구리 도토리딱따구리 아크레앤트슈라이크 아크레토디타이런트 아다마와멧비둘기 애들레이드솔새 아델리펭귄 애드미럴티매미새 아페프비둘기 아프간잡담잡이 아프간눈참새 아프리카줄무늬올빼미 아프리카검은오리 아프리카검은칼새 아프리카푸른딱새 아프리카푸른박새 아프리카넓적부리새 아프리카시트릴 아프리카목걸이멧비둘기 아프리카뜸부기 아프리카크림슨윙핀치 아프리카뻐꾸기 아프리카뻐꾸기매 아프리카뱀목가마우지 아프리카사막솔새 아프리카어두운색딱새 아프리카난쟁이물총새 아프리카에메랄드뻐꾸기 아프리카발가락물닭 아프리카파이어핀치 아프리카물수리 아프리카꾀꼬리 아프리카참매 아프리카풀올빼미 아프리카녹색비둘기 아프리카회색딱새 아프리카회색코뿔새 아프리카회색딱따구리 아프리카하리어매 아프리카매수리 아프리카산악잡담잡이 아프리카황조롱이 아프리카후투티 아프리카물꿩 아프리카습지하리어 아프리카올리브비둘기 아프리카대머리황새 아프리카검은머리물떼새 아프리카종려칼새 아프리카긴꼬리딱새 아프리카펭귄 아프리카피쿨렛 아프리카얼룩코뿔새 아프리카얼룩할미새 아프리카밭종다리 아프리카팔색조 아프리카난쟁이거위 아프리카난쟁이물총새 아프리카뜸부기 아프리카붉은눈직박구리 아프리카갈대개개비 아프리카강제비 아프리카바위 종다리류 아프리카성따오기 아프리카소쩍새 아프리카때까치딱새 아프리카은부리참새 아프리카제비물떼새 아프리카도요 아프리카저어새 아프리카점박이나무타기 아프리카검은딱새 아프리카뜸부기 아프리카지빠귀 아프리카볏도요 아프리카숲올빼미 아프리카노랑솔새 아가미왜가리 날렵한박새딱딱새