İğne cilde temas etmeden önce bile, bağışıklık sisteminiz nasıl bir tepki vereceğine karar vermiş olabilir. Bir kişinin kanındaki antikorlar arasında, yaklaşan aşının güçlü bir savunma mı yoksa daha zayıf bir yanıt mı tetikleyeceğine dair işaretler bulunabilir.
Aşılar çoğu kişiyi ciddi hastalıklardan korurken, etkinlikleri herkeste aynı değildir. Cell Press Blue dergisinde yayınlanan yeni bir araştırma, araştırmacıların önceden alınmış kan örnekleri ve yapay zeka kullanarak bu farklılıkları tahmin edebileceğini gösteriyor.
Bu bulgular, doktorların ek dozlardan, daha yakından izlemeden veya diğer koruyucu önlemlerden kimlerin fayda göreceğini belirlemelerine yardımcı olabilir. Araştırma lideri Joshua LaBaer, “basın açıklaması yayınladığı bildiride, “Çalışmamızda bulduğumuz şey, belirli biyobelirteçlerinin yapay zeka ile analiz edildiğinde, aşının etkisine nasıl tepki vereceğinin tahmin edilebileceğidir. Bu, bazı kişilerin diğerlerine göre daha hazırlıklı olabileceğini gösteriyor” dedi.
Önceden Var Olan Antikorlar Aşı Yanıtını Tahmin Edebilir
Araştırmacılar, 4000’den fazla kişiden alınan kan örneklerini inceleyerek, 185 farklı antijenle reaksiyona giren antikorları ölçtüler. Bu bağışıklık hedefleri arasında tanıdık virüs ve bakterilerin bileşenlerinin yanı sıra otoimmün hastalıklara bağlı belirteçler de yer aldı.
Ekip, COVID-19 aşısı aşı yapmadan önce ve sonra kaydedilen antikor kalıplarını karşılaştırdı. Araştırmacılar, Staphylococcus aureus, solunum senkronizasyon virüsü (RSV) ve insan respirovirüs 3 gibi yaygın mikroorganizmaların yüksek seviyelerde bulunması durumunda aşıya daha güçlü bir yanıt verildiğini tespit ettiler.
Bilim insanları, bu antikorların “sentinel” antikorlar olduğunu belirtiyor. Çünkü bunlar, vücudun aşının hedef aldığı yapıya karşı doğrudan saldırmasına yardımcı olmuyor olabilirler. Bunun yerine, bağışıklık sisteminin antikor üreten kısmının ne kadar hazırlıklı olduğuna dair bir sinyal görevi görebilirler.
Neden Aşı Etkisi İnsanlar Arasında Değişiyor?
Bilim insanları genellikle bir aşıdan sonra, belirli bir hedefe karşı üretilen antikorları ölçerek aşı yanıtını değerlendirirler. Bu çalışma, kişinin mevcut bağışıklık durumunun aşılara nasıl tepki vereceğini tahmin edip etmediğini sorarak bu yaklaşıma farklı bir bakış açısı getirdi.
Yaş, biyolojik cinsiyet, genetik faktörler, önceki enfeksiyonlar ve altta yatan tıbbi durumlar, aşı yanıtlarını etkileyebilir. Bağışıklık sistemini baskılayan ilaçlar veya hastalıklar da bağışıklık sisteminin tepki verme yeteneğini sınırlayabilir. Ancak genel sağlık kategorileri tüm hikayeyi anlatmayabiliyor.
Çalışmadaki bazı bağışıklık sistemi zayıf olan grupların, daha zayıf yanıtlar üretme olasılığı daha yüksekti, ancak bazı bağışıklık sistemi baskılanmış katılımcılar bile güçlü tepkiler gösterdi. Aynı zamanda, aksi takdirde sağlıklı olan katılımcıların yaklaşık %5 ila %6’sı zayıf tepkilere sahipti. Bu tutarsızlık, bir kişinin bağışıklık durumunun her zaman teşhisinden veya genel sağlık durumundan belirlenemeyeceğini gösteriyor.
Yapay Zeka Gelecekteki Aşılara Nasıl Kişiselleştirilmiş Bir Yaklaşım Getirebilir?
Araştırmacılar, tek bir antikor yerine, derin öğrenme modelini tüm paneldeki kalıpları incelemek için eğittiler. Çok sayıda ölçümü daha büyük bir bağışıklık parmak izine dönüştürerek, sistem güçlü aşı yanıt verenleri zayıf yanıt verenlerden ayırabiliyordu.
Bu noktada yapay zeka özellikle avantajlı olabilir. Biyolojik veri kümeleri milyonlarca örtüşen veri noktasını içerebilir ve bu da insanların anlamlı bağlantılar kurmasını zorlaştırabilir. Makine öğrenimi modelleri, öngörücü değere sahip olabilecek ince kombinasyonları aramak için bu karmaşıklığı tarayabilir.
Bu çalışma COVID-19 aşısı üzerine odaklanmış olsa da, yöntem daha geniş uygulamalara sahip olabilir. Daha fazla doğrulama ile, sentinel antikor profilleri aşı geliştirme sürecini destekleyebilir ve ayrıca ek dozlara, takip testlerine veya alternatif korumalara ihtiyaç duyabilecek hastaları belirlemeye yardımcı olabilir.
Bu nedenle gelecekteki aşılama sadece doğru aşıyı seçmekten daha fazlasını içerebilir; aynı zamanda bağışıklık sistemini anlamayı da gerektirebilir. Discovermagazine.com adresindeki yazarlarımız, makalelerimizde akran denetiminden geçmiş çalışmaları ve yüksek kaliteli kaynakları kullanır ve editörlerimiz bilimsel doğruluğu ve editoryal standartları gözden geçirir. Bu makalede kullanılan kaynaklara bakın:
Bu makale, Cell Press Blue’da yayınlanan bir çalışmadan alınan bilgilerden yararlanmaktadır: Önceden aşılanmamış antikorlar zayıflamış aşı yanıtlarını tahmin eder.
Kaynak: Discover Magazine
