来源:市场部发布时间:2023-08-11浏览量:195次
2023年8月10-11日,中关村论坛系列活动——2023科学智能峰会(AI for Science Summit)开幕。2023 科学智能峰会(下称“峰会”)由中关村论坛办公室作为指导单位,由北京科学智能研究院主办,北京大学北京国际数学研究中心、北京大学国际机器学习研究中心、北京材料基因工程高精尖创新中心、DeepModeling 开源社区、嘉庚创新实验室人工智能应用电化学联合实验室(AI4EC Lab)、宁波东方理工大学(暂名)、上海交通大学药学院、深势科技、苏州实验室、之江实验室、中国科学院计算机网络信息中心、中国科学院宁波材料所联合承办(按拼音首字母排序),由新华网作为战略合作媒体,旨在搭建 AI for Science 领域科研突破、技术培育、人才交流的共建共创平台,共同推动 AI for Science 的基础设施建设,激发创新效能。
精彩报告
李明院士在会上分享了以“新生抗原发现”为核心的《AI驱动癌症个性化治疗》报告,在新生抗原的研究中,由BioNTech和Genenetech合作的一项临床研究中发现:“超过半数的新抗原只出现过一次,即新抗原具有高度个体化”,因此对于以新抗原为基础的肿瘤免疫治疗的实际临床应用来说,如何以最快速度获得最精准的新生抗原发现面临巨大挑战:
1.临床样品极低的样品量:样本量50mg甚至更低的mg级,对于检测分析体系,需匹配足够高的灵敏度。
2.极高精准度要求:由于极为个性化的新抗原肽段,难以在通用蛋白或多肽数据库中得到准确的匹配,因此在无数据库参考的从头测序技术上,就要求有极高的精确度。
3.多肽免疫原性的预测:免疫多肽由MHC(主要组织相容复合物)呈递, MHC有I类和II类两种分子,通常一类分子呈递内源性免疫多肽,与CD8+ T细胞激活下游的细胞免疫;MHC II类呈递外源性的抗原肽段,激活下游的CD4+ T细胞,但仅依赖免疫多肽与MHC的亲和力来预测免疫原性是不够准确的,需考虑T细胞的识别。因此,我们用AI技术,模拟了免疫耐受中枢,更高效地进行免疫原性预测的工作。
针对以上难题,李明院士阐述了如何将wet lab和dry lab结合,利用AI技术赋能新生抗原发现工作。