乙肝疫苗是最有效的免疫接种之一，通常能提供数十年的保护，对抗致命的肝脏病毒。但有大约10%的人无法获得免疫。2020年，西蒙·弗雷泽大学的系统生物学家Amy Huei Yi Lee和她的同事开始确定他们是否可以预测谁会受益。科学家们发现，有关受体免疫系统的数据，如某些蛋白质的丰度和少数基因的活动模式，可以预测它们是否会产生对病毒的防御。李说：“我们了解了哪些因素推动了疫苗反应，哪些因素没有。”。

她和她的同事只能对少数患者进行检测，但计划于今年年初开始的一项雄心勃勃的工作将从世界各地数十万志愿者那里收集这些数据。这项名为“人类免疫组学项目”(HIP)，由一个由公司、政府机构和大学组成的国际联盟支持，这项工作将探测血液和组织样本中的数千个免疫变量。其结果可能是世界上最大、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。没有参与该项目的斯坦福大学的免疫学家Mark Davis说：“在了解人类疾病方面，这是一个巨大的机会。”。

这只是这项工作的开始，目前每年的资金约为500万美元，但最终可能耗资数十亿美元。作为之前人类疫苗项目的一个分支，HIP还将利用这些数据作为新的人工智能(AI)模型的素材，该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。“这种影响将在全球范围内感受到，”位于加利福尼亚州欧文市的项目首席执行官、神经科学家Hans Keirstead说。

与该项目无关的科学家表示，该项目为全世界编制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将增加多少洞察力。圣犹达儿童研究医院的免疫学家Paul Thomas说：“有很多唾手可得的果实我们不需要人工智能来挑选”，研究人员可以自我分析。

在心脏病学领域，脂质小组揭示了许多关于患者心血管健康和疾病风险的信息。然而，Davis说，免疫学并没有一套可比的简单检测方法来表明一个人的免疫系统的状态。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容易感染。但这些数据是有限的。HIP旨在提出一组统一的检测方法，像脂质面板一样，提供免疫系统功能的读数。

一些公共和私人的努力已经从大量人群中获取了一些基本免疫数据，包括美国国立卫生研究院收集100万人基因组和医学数据的项目All of Us，以及谷歌分支机构Verily的Project Baseline，该项目统计了个人如何应对新冠肺炎感染的信息。但这些项目收集的信息种类有限，就Project Baseline而言，还没有公开数据。

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。一系列因素——包括年龄、性别、饮食、生活条件、既往疾病暴露和遗传——决定了免疫系统的功能。但Tsang说，大多数免疫学研究都是在小规模、同质的人群中进行的，通常在美国或欧洲。托马斯说，依靠如此狭隘的人性“使我们的理解有失偏颇”。

HIP旨在解决缺乏多样性的问题。“我们想要每个人口的基线数据，”Keirstead说。为了捕捉人类的多样性，HIP的计划要求在所有有人居住的大陆上建立多达300个采集点。每个站点将在多达10000人中检测同一组变量，这些人来自不同的社会经济水平和不同的年龄段，从新生儿到百岁老人。此外，他们还将包括健康人以及有自身免疫性疾病、癌症和过敏等医疗问题的个人。所有志愿者都必须接受体检，并提供详细的健康史。

Keirstead说，尽管HIP打算在2027年开始这一全球数据收集阶段，但今年启动的第一阶段规模较小，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，检测免疫变量，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。Tsang说：“我们的想法是，我们将深入调查，尽可能多地衡量。”。从这大量数据中，该项目将选择几个变量，这些变量可以最清楚地了解免疫系统的工作情况。他们还将为免疫监测试剂盒提供基础，这是一套标准的检测方法，项目第二部分的所有地点都将使用。

最终，HIP将产生近2万亿次免疫检测，这些检测将通过中央数据库公开。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特征、祖先、经济状况、年龄和其他信息预测个人将如何应对压力或挑战，如特定的药物或病原体。该模型可以帮助制药公司确定新的治疗方法和药物反应的机会。Keirstead说，通过提供一个更详细的人口健康和易受副作用影响的视图，该模型可以使各国更好地决定哪些药物是其人口需要的，适合其人口，从而降低医疗保健成本。

Kierstead说，HIP的人工智能雄心“以前从未实现过”，这可能就是为什么该项目的这一部分受到了外部研究人员的更多质疑。该项目不仅旨在生成预测模型，还旨在复制免疫系统的运作方式。佛罗里达大学的数学生物学家Reinhard Laubenbacher表示，人工智能将检测反应模式，但怀疑它是否能更深入地了解免疫系统。“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”，以了解项目将积累的信息。

另一个挑战是钱。Keirstead表示，为了实现其雄心，HIP将需要一个超大型预算，在未来10年内约为10亿至30亿美元。为了筹集所需资金，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提供资金。他说：“我的目标是所有人。我们会想尽一切办法。”。

Lee说，确保HIP的偏远地区在收集和分析数据时遵循相同的程序也是一个挑战，并补充说，免疫监测试剂盒在这方面将有很大帮助。托马斯说，考虑到非白人对此类科学研究的不信任，吸引非白人参与者也可能很困难。“他们看不到好处，会认为是在被剥削。”

尽管如此，他和其他人仍然渴望看到HIP产生了什么。Greenplate说：“如果他们成功了，那将是一个巨大的成功。”。

本文译自 Science，由 两个猪头 编辑发布。

PREV : 人工智能与量子计算融合会给科学带来革命性的变化吗？
NEXT : 文学创作的生计困境：作家经济现状