โมเดลแมชชีนเลิร์นนิงแยกแยะเป้าหมายของแอนติบอดีได้

การศึกษาใหม่แสดงให้เห็นว่าเป็นไปได้ที่จะใช้ลำดับพันธุกรรมของแอนติบอดีของบุคคลเพื่อทำนายว่าแอนติบอดีต่อเชื้อโรคใดจะเป็นเป้าหมาย แนวทางใหม่นี้ประสบความสำเร็จในการแยกความแตกต่างระหว่างแอนติบอดีต่อโรคไข้หวัดใหญ่และแอนติบอดีที่โจมตี ซึ่งเป็นไวรัสที่ทำให้เกิด COVID-19 ลักษณะที่ปรากฏบนเชื้อโรคที่แอนติบอดีจับด้วย

แอนติบอดีอาจยึดติดกับส่วนต่างๆ ของสไปค์โปรตีนบนไวรัส SARS-CoV-2 การรู้สิ่งนี้จะช่วยให้นักวิทยาศาสตร์สามารถทำนายความแข็งแกร่งของภูมิคุ้มกันของบุคคลได้ เนื่องจากเป้าหมายของเชื้อโรคบางประเภทมีความเสี่ยงมากกว่าเป้าหมายอื่นๆ แนวทางใหม่นี้เกิดขึ้นได้จากข้อมูลมากมายที่เกี่ยวข้องกับแอนติบอดีต้าน SARS-CoV-2 นักวิจัยใช้ข้อมูลแอนติบอดีชุดข้อมูลมีขนาดใหญ่พอที่จะทำให้นักวิจัยสามารถฝึกแบบจำลองของตนเพื่อคาดการณ์ตามลำดับพันธุกรรมของแอนติบอดี้ โมเดลนี้ได้รับการออกแบบเพื่อแยกแยะว่าลำดับที่เข้ารหัสสำหรับแอนติบอดีที่กำหนดเป้าหมายบริเวณไวรัสไข้หวัดใหญ่หรือไวรัส SARS-CoV-2 จากนั้นนักวิจัยได้ตรวจสอบความถูกต้องของการคาดคะเนเหล่านั้น