Un team dell'Università Statale dell'Arizona (USA) ha localizzato una serie di biomarcatori che, analizzati con strumenti di intelligenza artificiale, potrebbero servire per anticipare quali individui reagiranno meglio a un vaccino anche prima di riceverlo.
In questo progetto, gli scienziati dell'Università Statale dell'Arizona e collaboratori hanno studiato campioni di sangue di oltre 4.000 persone, misurando anticorpi contro 185 antigeni, cioè bersagli riconosciuti dal sistema immunitario. Tra essi figuravano virus e batteri comuni, così come obiettivi legati a disturbi autoimmuni.
A seguire, hanno fatto ricorso ad algoritmi di intelligenza artificiale per esaminare i modelli presenti nei campioni prelevati prima e dopo la vaccinazione contro il COVID-19, identificando combinazioni di anticorpi capaci di differenziare chi sviluppava una risposta robusta da chi mostrava una reazione più limitata.
I risultati, diffusi in "Cell Press Blue", puntano a nuove possibilità per progettare programmi di vaccinazione più adattati a ogni persona. "Il nostro studio ha rivelato che certi biomarcatori, se analizzati con intelligenza artificiale, possono prevedere chi ha più probabilità di rispondere bene a un vaccino, anche prima di riceverlo. Questo suggerisce che alcune persone possono essere meglio preparate immunologicamente di altre", spiega Joshua LaBaer, responsabile principale del lavoro.
Gli anticorpi come indicatore dello stato immunitario
Normalmente, l'efficacia di un vaccino viene verificata dopo la somministrazione, misurando se l'organismo ha generato anticorpi contro il patogeno bersaglio. In questa occasione, i ricercatori si sono chiesti se i modelli di anticorpi già presenti nel sangue potessero anticipare la risposta prima dell'iniezione.
Fattori come l'età, il sesso, il carico genetico, la storia di malattie e altre patologie di base sono stati collegati all'intensità della risposta vaccinale. Le persone con il sistema immunitario compromesso tendono a presentare un rischio maggiore di risposte insufficienti, anche se all'interno di questi gruppi la variabilità è notevole.
L'approccio descritto in questo lavoro si trova tra i primi che impiegano una ampia "impronta digitale" di anticorpi prima della vaccinazione per misurare il grado di preparazione immunitaria. A differenza di altri metodi di previsione incentrati sull'analisi genetica, questa strategia si basa sui modelli di anticorpi circolanti, il che potrebbe facilitare il suo trasferimento nella pratica clinica.
Oltre le etichette di rischio immunitario
Per valutare se quella impronta di anticorpi fosse in grado di riflettere la preparazione di fronte al vaccino, il team ha analizzato le risposte a 185 antigeni. Tra essi erano inclusi il SARS-CoV-2, responsabile della COVID-19, diversi virus e batteri comuni, oltre a bersagli correlati a malattie autoimmuni.
In totale sono stati studiati 8.687 campioni provenienti da 4.089 partecipanti, che comprendevano sia volontari sani che persone con malattie o trattamenti associati a immunosoppressione, come l'HIV, il mieloma multiplo, tumori solidi, patologie autoimmuni, malattia infiammatoria intestinale e riceventi di trapianti di organi solidi.
L'analisi ha mostrato che diversi gruppi immunodepressi avevano una maggiore probabilità di mostrare risposte ridotte alla vaccinazione contro la COVID-19. Tuttavia, queste categorie cliniche non si sono rivelate essere predittori esatti: alcuni pazienti immunodepressi hanno sviluppato risposte potenti, mentre tra il 5 e il 6 percento dei partecipanti sani hanno presentato risposte deboli.
Anticorpi sentinella che fanno la differenza
Gli autori hanno osservato che concentrazioni più elevate di determinati anticorpi preesistenti, inclusi quelli diretti contro microrganismi comuni come "Staphylococcus aureus", il VRS e il respirovirus, erano associate a una migliore risposta al vaccino contro la COVID-19.
Questi anticorpi sono descritti come "sentinella", poiché rifletterebbero il livello di preparazione immunitaria di base di ogni individuo. Non devono necessariamente attaccare direttamente il patogeno contro cui si vaccina, ma sembrano indicare la capacità di reazione del ramo del sistema immunitario incaricato di produrre anticorpi.
A partire da lì, i ricercatori si sono chiesti se l'intero insieme di anticorpi, e non solo alcuni pochi marcatori isolati, potesse servire per rilevare le persone con un rischio maggiore di rispondere in modo insufficiente ai vaccini. A tal fine, il loro modello di apprendimento profondo ha esaminato schemi in tutto il pannello di anticorpi, integrando più misurazioni in un profilo immunitario globale.
Verso campagne di vaccinazione più personalizzate
Il lavoro mette in evidenza uno dei grandi vantaggi dell'IA applicata alla biomedicina: la sua capacità di scoprire schemi sottili e con valore predittivo all'interno di enormi volumi di dati biologici che altrimenti passerebbero inosservati. Questo approccio suggerisce che la preparazione per la vaccinazione si comprende meglio analizzando il sistema immunitario come un tutto, piuttosto che concentrarsi unicamente su una malattia specifica o su un anticorpo specifico.
Secondo gli autori, le conclusioni potrebbero estendersi oltre la COVID-19 se confermate in ricerche aggiuntive e con altri tipi di vaccini. Lo studio del profilo di anticorpi sentinella potrebbe orientare lo sviluppo e la valutazione di nuovi vaccini, così come l'attenzione clinica per le persone a rischio di presentare risposte immunitarie insufficienti.
Questo tipo di strumenti permetterebbe ai professionisti sanitari di identificare i pazienti che potrebbero richiedere dosi aggiuntive, un monitoraggio più stretto o misure di protezione alternative. Allo stesso tempo, aiuterebbe a chiarire perché alcune persone rispondono molto bene alla vaccinazione mentre altre generano a malapena protezione.