Det er fortsatt mye vi ikke vet om hvordan immunforsvaret vårt fungerer. En del av immunforsvaret kaller vi det ervervede immunforsvaret. Denne delen utvikler seg gjennom livet. Det lagrer informasjon om alle sykdommene og infeksjonene du har eller har hatt. Denne informasjonen blir lagret som komplekse mønstre som ligger som strukturer som kalles for immunreseptorer. Disse ligger utenpå immuncellene.
Vi kan tenke på mønstrene som immunforsvarets hukommelse. Mønstrene er bruksanvisninger som forteller immunforsvaret hvordan det skal angripe ulike infeksjoner og sykdommer. Men frem til i dag har ingen visst nøyaktig hvordan mønstrene ser ut. Potensialet for hva de kan gi oss av kunnskap om immunforsvaret, og om hvordan vi kan bruke denne kunnskapen til å utvikle nye metoder for diagnostikk og behandling, er enormt. Så hvordan kan vi finne mønstrene?
Det er her maskinlæring kommer inn i bildet. Dette er en form for kunstig intelligens. Ved hjelp av maskinlæring kan vi nemlig la en datamaskin oppdage de hittil skjulte mønstrene for oss.
Førsteamanuensis Victor Greiff ved Institutt for klinisk medisin og professor Geir Kjetil Sandve ved Institutt for informatikk ved Universitetet i Oslo jobber med dette. Sammen med doktorgradsstudentene Milena Pavlović og Lonneke Scheffer har de utviklet programvaren ImmuneML til formålet.
– Ved hjelp av maskinlæring kan vi finne mønstrene, som kan gi oss masse informasjon om helse og sykdom, uten at vi i utgangspunktet vet hvordan de ser ut eller hva som kjennetegner dem. Det er det som er så unikt og spennende med maskinlæring, sier Greiff.
Immunforsvarets mønstre kan fortelle oss om en person er syk eller frisk
Mønstrene som immunforsvaret har lagret kan fortelle oss hvilke sykdommer eller infeksjoner en person har, eller har hatt. Greiff, Sandve og kolleger forsøker nå å finne ut av hvilke mønstre som tilhører ulike sykdommer og infeksjoner. Klarer de å finne ut av det kan det gi ny og viktig kunnskap om måten det ervervede immunforsvaret fungerer på.
Det kan altså også gjøre det enklere å stille diagnoser for ulike sykdommer, samt å utvikle nye behandlinger.
– Klarer vi å finne mønstrene, så kan vi kanskje stille diagnose for en rekke sykdommer ved hjelp av bare én enkelt blodprøve. Ved å analysere blodprøven ved hjelp av maskinlæring kan vi finne mønstrene som pasientens immunsystem har lagret, forteller Greiff, og legger til:
– Mønstrene viser om personen er syk eller frisk, og hvilken sykdom eller hvilke sykdommer pasienten eventuelt har.
Målet er å finne mønstrene til tusenvis av sykdommer
Greiff og Sandve samarbeider med forskere og klinikere innenfor ulike medisinske fagfelt. For øyeblikket jobber de med å finne mønstrene til cøliaki og type I diabetes. Til dette samarbeider de med forskere ved UiO og ved Universitet i Florida.
– Den virkelige verdien vil utfolde seg når vi har lært mønsteret for en lang rekke sykdommer. Da kan du i prinsippet diagnostisere tusenvis av sykdommer fra én blodprøve. Det er målet, sier Sandve.
Kan vi bruke maskinlæring til å finne mønsteret til covid-19?
Det å forsøke å finne noe, uten å vite hva vi leter etter, er ikke enkelt. La oss si at vi vil finne mønsteret til covid-19. Hvordan vet vi hvilket mønster det er? Det blir litt som å lete etter ett bestemt snøfnugg blant millioner av andre snøfnugg. Uten å vite hvordan snøfnugget vi leter etter, ser ut.
Men med maskinlæring blir det en helt annen sak. Da kan vi først la datamaskinen finne mønstrene til en person som vi vet at har covid-19. På denne måten «lærer» datamaskinen at mønsteret til covid-19, ser slik ut.
Det samme kan vi gjøre for andre sykdommer, og for friske personer.
– Det er sånn maskinlæring fungerer. Vi må først lære datamaskinen hva som er hva. Det kan vi gjøre ved å la den finne mønstrene til en person som vi vet at er frisk, og til en person personer som vi vet har en bestemt sykdom, forklarer Greiff, og fortsetter:
– Etterpå kan vi analysere blodprøven til en person som vi ikke vet om er syk eller frisk. Datamaskinen kan fortelle oss om personen har en bestemt sykdom eller er frisk basert på mønstrene som den har lært å kjenne igjen.
ImmuneML skal gjøre maskinlæring tilgjengelig for flere forskere
I utgangspunktet var planen til Sandve og Greiff at de skulle utvikle en programvare som gjorde at de kunne anvende maskinlæring i sin egen forskning. Men de innså fort at behovet for en felles programvare innenfor feltet var stort.
– Jeg følte det litt som at vi måtte grave ut byggeplassen for hånd gang på gang, før vi kunne gå i gang med selve byggingen, altså analysene, forteller Sandve.
Greiff forteller at dette har ført til at studiene som har brukt maskinlæring innenfor immunologien tidligere har vært lite standardiserte og derfor vanskelige å kvalitetssjekke og replisere. Det vil si at andre forskere ikke kunne gjennomføre samme studie på samme måte for å se om hun eller han får samme resultat.
– Doktorgradsstudent Milena Pavlović fikk i oppdrag å utvikle programvaren som ville gjøre det mulig for henne å gjennomføre sine egne, fremtidige studier på en mer effektiv og god måte enn hva som var vanlig i dette feltet, forteller Sandve.
Da Sandve og Greiff oppdaget hvor god plattformen ble, tenkte de, «hvorfor ikke dele den med andre?». Doktorgradsstudent Lonneke Scheffer ble med på arbeidet, og i dag, godt over et år senere, er programvaren klar til bruk for dem og andre forskere på feltet.
– ImmuneML gjør det mulig å jobbe mer enhetlig. Vi kan nå sammenligne ulike studier og vurdere verdien av ulike tilnærminger.
ImmuneML skal kunne brukes av forskere med ulik erfaring og kompetanse innenfor bioinformatikk og maskinlæring. Programvaren består av tre ulike varianter med ulike vanskelighetsgrader. Den inneholder en brukerhåndbok som forklarer hvordan man kan bruke programvaren.
– Vi har også en egen YouTube-kanal med forklarende videoer. Vi håper at mange forskere som er interessert i dette, vil begynne å bruke ImmuneML, avslutter Sandve.
Førsteamanuensis Victor Greiff og professor Geir Kjetil Sandve har samarbeidet og jobbet med utviklingen av ImmuneML siden 2018. Laboratoriene deres jobber nå tverrfaglig og samarbeider om de aller fleste forskningsprosjektene. USIT ved UiO og Elixir Norge har bidratt til utviklingen av ImmuneML-programvaren.
Kontakt
Publikasjon
Pavlović, M., Scheffer, L., Motwani, K. et al. The immuneML ecosystem for machine learning analysis of adaptive immune receptor repertoires. Nat Mach Intell 3, 936–944 (2021). https://doi.org/10.1038/s42256-021-00413-z
Les mer
- Immunforsvaret har skjulte mønstre om sykdom og infeksjoner (forskning.no)
- Fra bare én blodprøve kan kunstig intelligens gi diagnose for mange ulike sykdommer | Titan.uio.no
- Fra bare én blodprøve kan kunstig intelligens gi diagnose for mange ulike sykdommer - Digi.no
- Forskningsgruppen bioinformatikk og systemimmunologi
- Forskningsgruppen for biomedisinsk informatikk (BMI)
- ImmuneML (YouTube)
- Får 80 millioner for å utvikle plattform for immunologiske data - Institutt for klinisk medisin (uio.no)