人类免疫组计划：绘制人类免疫多样性图表

乙型肝炎疫苗是最有效的免疫接种之一，通常可以提供数十年的保护，防止致命的肝脏病毒。但在大约10%的人身上，它不起作用。2020年，西蒙弗雷泽大学(Simon Fraser University)的系统生物学Amy Huei-Yi Lee)和她的同事们开始确定他们是否可以预测谁将从中受益。科学家们发现，接受者免疫系统的数据，如某些蛋白质的丰度和一些基因的活动模式，预示着他们是否会产生对病毒的防御。

Lee说:“我们了解了哪些因素推动了疫苗反应，哪些因素没有。”

她和她的同事们只能从少数病人身上进行测量，但一项雄心勃勃的计划将于今年年初开始，从世界各地成千上万的志愿者那里收集这些数据。这项名为“人类免疫组计划”(Human Immunome Project, HIP)的计划得到了一个由公司、政府机构和大学组成的国际联盟的支持，该计划将探测血液和组织样本中的数千种免疫变量。结果可能是世界上最大和最全面的免疫学数据库，这是科学家研究免疫系统差异以及它们如何影响我们对疫苗和药物的反应以及我们对疾病的脆弱性的资源。

而这仅仅是这项工作的开始，目前每年的资金约为500万美元，但最终可能需要数十亿美元。HIP是之前人类疫苗项目的一个分支，它还将利用这些数据作为新的人工智能(AI)模型的素材，这些模型可以预测整个人群的免疫系统反应，不仅为制药公司和政府，甚至为医生和患者提供有价值的见解。“全球都会感受到这种影响，”神经学家Hans Keirstead说，他是加州尔湾项目的首席执行官。

与该项目无关的科学家表示，为世界编制一个基本免疫数据库的目标是可行的。“我们有经验和技术，”宾夕法尼亚大学的免疫学家Allison Greenplate说。但她和其他人质疑人工智能能增加多少洞察力。

在心脏病学领域，脂质检测可以揭示病人的心血管健康状况和疾病风险。然而，免疫学并没有一套可比的简单测量方法来表明一个人的免疫系统的状态，戴维斯说。一些数据可以提供一个粗略的衡量标准:例如，中性粒细胞数量减少的患者更容易感染。但这样的数据是有限的。HIP的目标是提出一组统一的测量方法，像脂质面板一样，提供免疫系统功能的读数。

一些公共和私人部门的努力已经从大量人群中收集了一些基本的免疫数据，包括美国国立卫生研究院(National Institutes of Health)收集100万人基因组和医疗数据的项目“我们所有人”(All of Us)，以及谷歌分支机构Verily的“基线项目”(Project Baseline)，该项目统计了个人对COVID-19感染的反应。但这类项目收集的信息种类有限，就“基线项目”而言，这些数据还没有公开。

耶鲁大学系统免疫学家John Tsang说，另一个研究不足的领域是“对人类免疫变异和多样性的理解”，他帮助制定了HIP的科学计划。一系列的因素——包括年龄、性别、饮食、生活条件、以前的疾病暴露和基因——决定了免疫系统的功能。Tsang说，但是大多数免疫学研究都是在小的、同质的人群中进行的，通常在美国或欧洲。托马斯说，依赖于人类如此狭隘的一部分“已经使我们的理解产生了偏差”。

HIP旨在解决这种缺乏多样性的问题。“我们想要每个人的基线数据，”Keirstead说。为了捕捉人类的多样性，HIP计划在所有有人居住的大陆上建立多达300个收集点。每个网站将测量多达1万人的同一组变量，这些人来自不同的社会经济水平和年龄范围，从新生儿到百岁老人。此外，他们将包括健康的人，以及患有自身免疫性疾病、癌症和过敏等疾病的人。所有志愿者都必须接受医学检查，并提供详细的健康史。

Keirstead说，尽管HIP计划在2027年开始全球数据收集阶段，但该计划的第一阶段将于今年启动，规模较小，可能涉及7到10个临床研究中心，包括富裕国家以外的设施，这些中心已经擅长收集和分析免疫数据。在每个地点，该项目将研究大约500人，测量免疫变量，包括不同类型免疫细胞的丰度、基因活性、代谢分子的浓度和DNA序列。“我们的想法是，我们将深入研究，尽可能多地测量，”Tsang说。从大量的数据中，该项目将选择几个变量，提供免疫系统如何工作的最清晰的画面。它们还将为免疫监测工具包提供基础，这是项目第二部分的所有场址都将使用的一套标准检测方法。

最终，HIP将产生近2万亿个免疫测量结果，这些数据将通过一个中央数据库公开提供。有了这些数据和其他信息，HIP将建立一个预测性人工智能模型，该模型可以基于免疫谱、血统、经济状况、年龄和其他信息来预测个人如何应对压力或挑战，比如特定的药物或病原体。该模型可以帮助制药公司确定新疗法的机会和避免药物反应。Keirstead说，通过提供一个更详细的关于人口健康和对副作用的脆弱性的视图，该模型可以使各国更好地决定哪些药物是他们的人口所需要和适合的，从而使他们能够降低卫生保健费用。

Kierstead说，HIP在人工智能方面的雄心壮志是“前所未有的”，这可能就是为什么项目的这一部分吸引了外部研究人员更多的怀疑。该项目不仅打算建立预测模型，还打算建立能够复制免疫系统运作方式的模型。佛罗里达大学的数学生物学家Reinhard Laubenbacher表示，人工智能将检测到反应模式，但他怀疑它是否能加深对免疫系统的理解。“像这样的数据收集工作非常有帮助，但我们可能需要更多，”他说。他说，当务之急是“建立一个理论框架”，以理解该项目将积累的信息。

另一个挑战是资金。Keirstead说，为了实现它的雄心壮志，HIP将需要一个超大规模的预算，在未来10年里大约需要10亿到30亿美元。为了筹集所需的资金，HIP现在希望超越目前的合作伙伴，向慈善机构、政府和其他制药公司寻求帮助。“我的目标是每个人。他说:“没有一块石头没有被翻过。”

Lee说，确保HIP的偏远站点在收集和分析数据时遵循相同的程序也将是一个挑战，他补充说，免疫监测套件将在这方面提供很大的帮助。托马斯说，考虑到他们对这样的科学研究的不信任，吸引非白人参与者可能也很困难。“他们没有看到好处，还被剥削了。”

尽管如此，他和其他人都渴望看到HIP能产生什么。Greenplate说:“如果他们成功了，那将是一件大事。”