В России разработали ИИ-модели для определения тропности штаммов ВИЧ

Специалисты центра вирусологии "Вектор" создали модели машинного обучения, которые могут предсказывать тропность штаммов ВИЧ 1. Это свойство вируса определяет его способность проникать в разные типы клеток, что имеет критическое значение для выбора терапии. Об этом пишет портал Togliatti24.

Кирилл Елфимов, научный сотрудник отдела ретровирусов центра, сообщил, что ВИЧ продолжает оставаться одной из самых серьезных инфекционных проблем, и выбор терапии во многом зависит от тропности штамма, то есть от рецептора (CCR5 или CXCR4), через который вирус проникает в клетку. Это влияет на эффективность препаратов для пациента и скорость прогрессирования заболевания.

Елфимов отметил, что надежное определение тропности возможно только с помощью лабораторных методов, которые требуют работы с живым вирусом, что делает их доступными лишь для ограниченного числа лабораторий. Генотипические методы более быстрые и дешевые, но существующие программы не подходят для распространенных в России вариантов вируса, и ранее никто не занимался этой проблемой целенаправленно.

"Мы проанализировали существующие инструменты для генотипического предсказания тропности и создали собственную модель, валидированную для российских штаммов. Ранее никто не занимался этим, так как не было генотипированных последовательностей и интереса со стороны иностранных коллег. Мы также разработали пользовательский графический интерфейс для удобства использования специалистами в клинической практике", - добавил Елфимов на научном форуме в наукограде Кольцово.

Исследователи создали ИИ-модели, которые определяют тропность вируса по его генетическому коду, выясняя, через какой из двух рецепторов (CCR5 или CXCR4) штамм ВИЧ 1 проникает в клетку. Основой послужил набор из примерно 13 тыс. последовательностей. Часть образцов вируса ученые исследовали в лаборатории, остальные были взяты из открытой базы данных лаборатории Лос-Аламоса. На этих данных была обучена комбинация двух классических алгоритмов машинного обучения: Random Forest и Support Vector Machine.

Как подчеркнул Елфимов, в результате работы специалисты "Вектора" получили инструмент, который впервые протестирован на тех вариантах ВИЧ, распространенных в России, для которых ранее не существовало подобных программ. По словам ученого, точность для одного отечественного варианта увеличилась примерно на 10%, а для второго составила около 90% при проверке на данных, которые модель ранее не видела.