Algorytmy za szczepionką: jakie modele uczenia maszynowego wybierają 34 cele nowotworu

W poprzednim wpisie opisaliśmy, jak zindywidualizowana szczepionka mRNA uczy układ odpornościowy rozpoznawać nowotwór konkretnego pacjenta. Zostało tam jedno zdanie, które wymaga własnego artykułu: spośród setek lub tysięcy mutacji wykrytych w guzie algorytmy typują do 34 neoantygenów, które trafią do szczepionki. Ten wybór decyduje o powodzeniu całej terapii — i nie robi go człowiek przy stole. Robią go modele uczenia maszynowego.

Ten artykuł rozbiera je po kolei. Zaczniemy jednak od uczciwego zastrzeżenia, bo bez niego reszta byłaby wprowadzaniem w błąd.

Od próbki guza do gotowego przepisu mRNA. Sercem tej drogi jest model obliczeniowy, który ze zbioru kandydatów wybiera garstkę realnych celów.

Czego nie wiemy — i dlaczego to mówimy na początku

Dokładny algorytm użyty w intismeran autogene (dawniej mRNA-4157) nie został opublikowany. Moderna opisuje etap selekcji jako „zastrzeżony algorytm opracowany we współpracy z Merck", a w raporcie rocznym dla amerykańskiej Komisji Papierów Wartościowych (formularz 10-K za 2025 r.) firma pisze o „algorytmach opartych na uczeniu maszynowym, które projektują terapię dla każdego pacjenta z osobna i optymalizują produkcję oraz dostawę na czas". To wszystko, co jest oficjalnie potwierdzone: że uczenie maszynowe jest w środku i że kod jest zamknięty.

Wiemy natomiast bardzo dużo o klasie modeli, które rozwiązują dokładnie ten problem — bo są opublikowane, recenzowane i powszechnie stosowane w badaniach nad neoantygenami. O nich jest ten tekst. Tam, gdzie mowa o konkretnym produkcie Moderny, zaznaczamy to wprost; wszędzie indziej opisujemy metody, na których opiera się cała dziedzina.

Etap 1: znaleźć literówki — wykrywanie wariantów

Wszystko zaczyna się od dwóch sekwencjonowań: guza i zdrowej tkanki tego samego pacjenta (zwykle DNA z krwi). Mutacja somatyczna to z definicji różnica między nimi.

Odczyty sekwencjonowania układa się jeden pod drugim. Jeśli w guzie część odczytów niesie inną literę niż tkanka prawidłowa, to kandydat na mutację somatyczną.

Brzmi prosto, ale nie jest: sekwencjonowanie myli się z pewną częstotliwością, a nowotwór jest mieszaniną klonów, więc mutacja bywa obecna tylko w części komórek. Narzędzia do wykrywania wariantów (najczęściej Mutect2 z pakietu GATK) rozstrzygają to modelem statystycznym: liczą prawdopodobieństwo, że obserwowana różnica jest prawdziwą mutacją, a nie błędem odczytu. To jeszcze nie uczenie maszynowe w potocznym sensie — to wnioskowanie bayesowskie — ale już tutaj rozstrzyga jakość modelu, bo z tego zbioru nie da się później odzyskać tego, co przeoczono.

Do listy dokłada się drugie sito: ekspresja. Sekwencjonowanie RNA pokazuje, które zmutowane geny komórka faktycznie odczytuje. Mutacja w genie, który w tym guzie milczy, nie wyprodukuje żadnego białka — a więc i żadnego celu.

Etap 2: poznać zamki pacjenta — genotypowanie HLA

Żeby limfocyt T zobaczył fragment białka, komórka musi go wystawić na powierzchni w cząsteczce HLA (u człowieka tak nazywamy główny układ zgodności tkankowej, MHC). HLA to nie jeden kształt, tylko rowek o geometrii zależnej od genotypu — a genów jest kilka (HLA-A, HLA-B, HLA-C), każdy w dwóch kopiach, i występują w tysiącach wariantów w populacji.

Peptyd leży w rowku utworzonym przez dwie helisy cząsteczki HLA. Kształt rowka zależy od allelu — dlatego ten sam peptyd u jednej osoby będzie prezentowany, a u innej nie.

Dlatego w badaniu KEYNOTE-942 genotyp HLA odczytywano z sekwencjonowania eksomu DNA z komórek krwi pacjenta. Bez tej informacji przewidywanie prezentacji nie ma sensu: pytanie nie brzmi „czy ten peptyd jest dobry", tylko „czy ten peptyd pasuje do zamków tego pacjenta".

Etap 3: serce układu — modele prezentacji antygenu

Tu wkracza uczenie maszynowe w pełnej postaci. Zadanie: mając peptyd (kilkanaście liter) i cząsteczkę HLA pacjenta, oszacować, czy taka para w ogóle powstanie na powierzchni komórki.

Model przyjmuje DWA wejścia — sekwencję peptydu i sekwencję rowka cząsteczki MHC — i zwraca ocenę. Dzięki temu potrafi ocenić także allele, których nie widział w treningu.

Najbardziej rozpowszechniony publicznie dostępny model tej klasy to NetMHCpan (wersja 4.1). To sztuczna sieć neuronowa zbudowana w architekturze NNAlign_MA, wytrenowana na 13 245 212 punktach danych obejmujących 250 różnych cząsteczek MHC klasy I. Kluczowe są dwie jej cechy.

Po pierwsze, pan-specyficzność. Zamiast osobnego modelu na każdy allel (co jest niewykonalne przy tysiącach wariantów), model dostaje na wejściu również sekwencję samego rowka HLA. Uczy się więc ogólnej reguły „jaki kształt rowka pasuje do jakiego peptydu" i potrafi ocenić allel, o którym nie miał ani jednego przykładu treningowego. Dzięki temu obsługuje ponad 11 000 cząsteczek MHC — w praktyce dowolnego pacjenta, także takiego z rzadkim genotypem.

Po drugie, rodzaj danych. Starsze modele uczono na pomiarach powinowactwa wiązania w probówce. NetMHCpan-4.1 łączy je z danymi z spektrometrii mas eluowanych ligandów: z peptydami, które faktycznie zdjęto z powierzchni żywych komórek. To różnica między „ten peptyd potrafi się związać" a „ten peptyd tam naprawdę był".

Etap 4: uczenie głębokie na tym, co komórka pokazała naprawdę

Kierunek zapoczątkowany przez dane ze spektrometrii mas doprowadził do modeli trenowanych niemal wyłącznie na nich. Sztandarowym przykładem jest EDGE (Bulik-Sullivan i wsp., Nature Biotechnology 2019): sieć głęboka nauczona na peptydach HLA zebranych z guzów 74 pacjentów wraz z ich danymi genomowymi.

Peptydy zdejmuje się z cząsteczek HLA i mierzy spektrometrem mas. Tak powstaje zbiór treningowy złożony z antygenów realnie prezentowanych, a nie tylko przewidzianych.

Efekt jest wymierny i wart zapamiętania: model podniósł wartość predykcyjną dodatnią nawet dziewięciokrotnie względem wcześniejszego podejścia. W praktyce oznacza to, że na liście kandydatów przekazanej do dalszych prac znacznie mniej pozycji jest fałszywym alarmem — a przy 34 miejscach w szczepionce każde zmarnowane jest realną stratą.

Dziedzina nie zatrzymała się na tym. W użyciu są dziś między innymi MHCflurry, MHCnuggets, MixMHCpred, a także modele oparte na architekturze transformerów, znanej z dużych modeli językowych (TransPHLA, MHCRoBERTa) — bo sekwencja aminokwasów to, formalnie rzecz biorąc, zdanie w alfabecie dwudziestu liter.

Etap 5: co jeszcze musi się zgodzić

Prezentacja to nie jedyny warunek. Zanim peptyd trafi do rowka HLA, musi zostać wycięty z białka przez proteasom — do przewidywania tego cięcia służą osobne modele (NetChop, ProteaSMM). Potem musi zostać przetransportowany do siateczki śródplazmatycznej. A na końcu — i to jest najtrudniejsza część — musi zostać rozpoznany przez receptor limfocytu T, którego dany pacjent w ogóle musi mieć w swoim repertuarze.

Ostatni krok, czyli przewidywanie immunogenności, jest znacznie mniej dojrzały niż przewidywanie prezentacji. Modele tego typu istnieją i są aktywnie rozwijane, ale nikt dziś nie twierdzi, że problem jest rozwiązany.

Etap 6: ranking i cięcie na 34

Wyniki wszystkich modeli trzeba połączyć w jedną decyzję. Kandydaci są punktowani — ocena prezentacji, poziom ekspresji, frakcja komórek niosących mutację, przewidywana immunogenność, czasem podobieństwo do białek własnych (żeby nie celować w coś, co występuje też w zdrowej tkance) — po czym sortowani i ucinani na progu.

Każdy kandydat dostaje ocenę. Do szczepionki trafia czoło listy — w przypadku intismeranu do 34 pozycji zakodowanych w jednej cząsteczce mRNA.

Skala zawężania. Kolejne sita — ekspresja, prezentacja, immunogenność — zostawiają garstkę z tysięcy wyjściowych mutacji.

Liczba 34 nie jest przypadkowa ani czysto biologiczna: to kompromis między szerokością ataku a długością cząsteczki mRNA, którą da się wyprodukować, skontrolować jakościowo i podać w rozsądnym czasie. Właśnie o tym mówi cytowany wcześniej fragment raportu Moderny — algorytmy „optymalizują produkcję oraz dostawę na czas". Dla pacjenta po operacji tygodnie mają znaczenie kliniczne, więc czas wytworzenia jest częścią problemu optymalizacyjnego, a nie sprawą logistyki.

Gdzie te modele się mylą

Uczciwy artykuł o algorytmach musi powiedzieć również to: przewidywania są hipotezami, nie faktami. W literaturze wielokrotnie wykazano, że narzędzia takie jak NetMHCpan czy MHCflurry mają skłonność do zawyżania powinowactwa peptyd–HLA, przez co część wytypowanych neoantygenów nie wywołuje żadnej odpowiedzi. Dlatego w pracach badawczych listę kandydatów weryfikuje się doświadczalnie — na komórkach pacjenta.

Z dużego zbioru przewidzianych celów tylko część wywołuje realną odpowiedź limfocytów. Model zawęża poszukiwania — nie zastępuje dowodu.

To nie jest zarzut wobec metody, tylko opis jej roli. Bez modeli trzeba by testować tysiące peptydów u każdego pacjenta z osobna — czyli terapii zindywidualizowanej po prostu by nie było. Modele zamieniają problem niewykonalny w wykonalny, a resztę rozstrzyga biologia i badanie kliniczne.

Co z tego wynika

Sukces fazy 3 ogłoszony 19 sierpnia 2026 roku jest wynikiem badania klinicznego z udziałem pacjentów, a nie triumfem samego oprogramowania — o skuteczności rozstrzygnęli chorzy i statystyka, nie sieć neuronowa. Ale bez tej sieci nie byłoby czego badać: wybór 34 celów z tysięcy kandydatów, powtórzony osobno dla każdego pacjenta i zmieszczony w tygodniach, to zadanie, którego nie da się wykonać ręcznie.

Dlatego ta historia jest ciekawa również poza onkologią. Pokazuje model współpracy, w którym algorytm nie stawia diagnozy i nie podejmuje decyzji klinicznej, tylko robi coś skromniejszego i bardzo konkretnego: zawęża przestrzeń poszukiwań na tyle, by eksperyment stał się możliwy.

Źródła

1. Reynisson B. i wsp., NetMHCpan-4.1 and NetMHCIIpan-4.0: improved predictions of MHC antigen presentation by concurrent motif deconvolution and integration of MS MHC eluted ligand data, Nucleic Acids Research 2020 — academic.oup.com
2. Bulik-Sullivan B. i wsp., Deep learning using tumor HLA peptide mass spectrometry datasets improves neoantigen identification, Nature Biotechnology 2019 — nature.com
3. Moderna, Inc., raport roczny Form 10-K za rok obrotowy 2025 (opis zastosowania algorytmów uczenia maszynowego w projektowaniu i wytwarzaniu terapii zindywidualizowanych) — sec.gov
4. Weber J. i wsp., Individualized neoantigen therapy mRNA-4157 (V940) plus pembrolizumab in resected melanoma: 3-year update from the mRNA-4157-P201 (KEYNOTE-942) trial, Journal of Clinical Oncology 2024 — ascopubs.org
5. Beyond MHC binding: immunogenicity prediction tools to refine neoantigen selection in cancer patients, Exploration of Immunology 2024 — explorationpub.com
6. Next-generation neoantigen mRNA vaccines: immuno-engineering strategies for precision cancer immunotherapy, Cellular Oncology 2026 — link.springer.com

Artykuł ma charakter informacyjny i nie stanowi porady medycznej. Intismeran autogene pozostaje terapią badaną — decyzje dotyczące leczenia podejmuje się z zespołem onkologicznym.