Μοτίβα στο αίμα πριν από τον εμβολιασμό μπορεί να προβλέπουν πόσο ισχυρά θα ανταποκριθεί το ανοσοποιητικό, δείχνει νέα μελέτη.
Δεν αντιδρούν όλοι στα εμβόλια με τον ίδιο τρόπο. Η ισχύς της ανοσολογικής απόκρισης διαφέρει ανάλογα με την ηλικία, το φύλο, τα προϋπάρχοντα νοσήματα και τα γενετικά χαρακτηριστικά.
ΔΙΑΦΉΜΙΣΗ
ΔΙΑΦΉΜΙΣΗ
Σε νέα μελέτη, που δημοσιεύθηκε στο περιοδικό Cell Press Blue (πηγή στα Αγγλικά), ερευνητές από το πρόγραμμα SeroNet του Εθνικού Ινστιτούτου Καρκίνου των ΗΠΑ διερεύνησαν πώς τα προϋπάρχοντα αντισώματα απέναντι σε συνηθισμένους μικροοργανισμούς μπορούν να προβλέψουν την απόκριση ενός ατόμου σε νέα εμβόλια.
«Ορισμένοι βιοδείκτες, όταν αναλύονται με τη βοήθεια τεχνητής νοημοσύνης, μπορούν να προβλέψουν ποιος είναι πιθανό να ανταποκριθεί καλά σε ένα εμβόλιο, ακόμη και πριν το λάβει», ανέφερε ο Joshua LaBaer, επικεφαλής της έρευνας, η οποία υποδεικνύει ότι κάποιοι άνθρωποι μπορεί να είναι πιο έτοιμοι ανοσολογικά από άλλους.
Η ανοσοκαταστολή (δηλαδή η εξασθενημένη λειτουργία του ανοσοποιητικού συστήματος) συνδέεται με πιο ασθενή παραγωγή αντισωμάτων μετά τον εμβολιασμό, γεγονός που αυξάνει τον κίνδυνο λοίμωξης, τη βαρύτητα της νόσου και τη θνησιμότητα.
Οι ερευνητές διαπίστωσαν ότι, πριν ακόμη χορηγηθεί ένα εμβόλιο, το ανοσοποιητικό σύστημα του οργανισμού δίνει ήδη ενδείξεις για τον τρόπο που θα αντιδράσει και για το πόσο ισχυρή θα είναι η απόκριση.
Η μελέτη ανέλυσε περισσότερα από 8.000 δείγματα αίματος από πάνω από 4.000 άτομα, ελέγχοντας για αντισώματα απέναντι σε 185 αντιγόνα από κοινούς ιούς, βακτήρια και στόχους που συνδέονται με αυτοάνοσα νοσήματα.
Στη μελέτη συμμετείχαν υγιείς εθελοντές, καθώς και άτομα με εξασθενημένο ανοσοποιητικό σύστημα λόγω καταστάσεων όπως ο HIV, το πολλαπλό μυέλωμα και οι μεταμοσχεύσεις συμπαγών οργάνων· όλοι είχαν λάβει εμβόλιο κατά της COVID-19.
Στη συνέχεια, οι ερευνητές αξιοποίησαν την τεχνητή νοημοσύνη για να αναλύσουν τα πρότυπα στα δείγματα που συλλέχθηκαν πριν και μετά τον εμβολιασμό κατά της COVID-19, εντοπίζοντας υπογραφές αντισωμάτων που βοήθησαν να ταξινομηθούν οι ασθενείς ως ισχυροί ή κακοί ανταποκριτές στον εμβολιασμό.
Εντόπισαν αυτό που αποκαλούν «αντισώματα-φρουρούς», τα οποία λειτουργούν ως δείκτες της πιθανής ανοσολογικής απόκρισης ενός ατόμου σε ένα συγκεκριμένο εμβόλιο, βοηθώντας στην πρόβλεψη του τρόπου με τον οποίο ο οργανισμός του θα αντιδράσει στον ιό.
«Εντοπίσαμε καθολικές αντιμικροβιακές υπογραφές που συσχετίζονταν θετικά με το κορυφαίο 25% των ατόμων με υψηλή απόκριση στο εμβόλιο κατά της COVID-19», σημείωσαν οι ερευνητές.
Η μελέτη έδειξε ότι αυξημένα επίπεδα ορισμένων προϋπαρχόντων αντισωμάτων, ιδίως εκείνων που στρέφονται κατά συνηθισμένων μικροοργανισμών όπως ο Staphylococcus aureus, ο αναπνευστικός συγκυτιακός ιός (RSV) και ο ανθρώπινος παραϊός της γρίπης τύπου 3 (HPIV-3), συνδέονταν με ισχυρότερη απόκριση στα εμβόλια κατά της COVID-19.
Αλλάζουν οι στρατηγικές εμβολιασμού
Χρησιμοποιώντας τα προϋπάρχοντα προφίλ αντιμικροβιακών αντισωμάτων ως προβλεπτικούς βιοδείκτες, οι κλινικοί γιατροί θα μπορούσαν να εντοπίζουν άτομα που είναι πιθανό να εμφανίσουν ασθενή ανοσολογική απόκριση πριν ακόμη εμβολιαστούν.
Στη μελέτη εφαρμόστηκαν τεχνικές μηχανικής μάθησης για την ανάπτυξη προβλεπτικών μοντέλων που ταξινομούν άτομα με λιγότερο αποτελεσματική απόκριση στα εμβόλια.
«Η πρόβλεψη των ατόμων που θα εμφανίσουν χαμηλή παραγωγή αντισωμάτων πριν από τον εμβολιασμό θα μπορούσε να βελτιώσει τις εξατομικευμένες στρατηγικές εμβολιασμού», έγραψαν οι ερευνητές.
Αυτό θα επέτρεπε στοχευμένες παρεμβάσεις, όπως προσαρμοσμένα χρονοδιαγράμματα δόσεων, διαφορετικούς τύπους εμβολίων ή πρόσθετες αναμνηστικές δόσεις για όσους διατρέχουν υψηλότερο κίνδυνο.