Il vaccino progettato dall'IA dell'Università di Cambridge: cosa hanno rivelato i test sull'uomo

Trentanove volontari, un micro-getto e un annuncio: Cambridge definisce "primo al mondo" il vaccino progettato dall'intelligenza artificiale

I dettagli contano, perché non si tratta di un semplice ritocco a una vecchia ricetta. Il gruppo di Cambridge ha utilizzato dati genetici virali provenienti da molti coronavirus, li ha inseriti in una pipeline di machine learning e ha chiesto all'algoritmo di produrre un antigene compatto che colpisca caratteristiche condivise dall'intera famiglia: elementi che il virus non può modificare facilmente. Il vaccino è stato somministrato sotto forma di DNA tramite un getto microfluidico senza ago direttamente nella pelle, una scelta di somministrazione che, secondo il team, accelera la produzione ed evita alcuni dei colli di bottiglia della catena di approvvigionamento tipici delle siringhe convenzionali.

Vaccino "primo al mondo" progettato dall'intelligenza artificiale: cosa ha testato realmente Cambridge

Lo studio di fase I descritto nel Journal of Infection ha coinvolto meno di 50 persone; il resoconto pubblico si concentra su 39 destinatari della sperimentazione tra Cambridge e Southampton. La piattaforma utilizzata è un costrutto di DNA che codifica l'antigene progettato dall'IA, somministrato da un getto liquido ad alta pressione, sottile come un capello, che spinge il modello genetico all'interno delle cellule cutanee. Questo metodo è diverso dall'approccio basato su nanoparticelle lipidiche a mRNA utilizzato ampiamente durante la pandemia di COVID.

Cambridge definisce la molecola focale un "super-antigene" perché raggruppa molteplici pezzi conservati della famiglia dei coronavirus in un unico bersaglio. Negli studi sugli animali, il costrutto ha stimolato un'ampia risposta contro diversi coronavirus; negli esseri umani, l'obiettivo primario era la sicurezza e la tollerabilità. L'immunogenicità è risultata misurabile ma descritta come modesta: una frase che gli scienziati usano deliberatamente per indicare che i segnali sono presenti, ma non ancora a livelli che la maggior parte definirebbe fortemente protettivi.

Fondamentalmente, il team ha già avviato un programma di fase II più ampio che dovrebbe reclutare alcune centinaia di partecipanti. Il passo successivo esaminerà quanto efficacemente il vaccino addestri il sistema immunitario umano in un gruppo di persone più diversificato e se le risposte anticorpali o delle cellule T aumentino con il dosaggio o con differenti approcci di somministrazione.

Come l'IA ha trovato un "super-antigene" (e perché non è la stessa cosa di un vaccino finito)

Nella sua forma più semplice, il sistema di Cambridge è un rilevatore di schemi. I ricercatori hanno assemblato database di sequenze virali pubbliche e di sorveglianza, quindi hanno utilizzato il machine learning per identificare regioni che sono sia comuni a molti coronavirus che biologicamente vincolate: parti che il virus deve mantenere per funzionare e che quindi non può cambiare facilmente. L'algoritmo ha poi unito questi motivi conservati in un unico antigene artificiale che il sistema immunitario può riconoscere.

Non si tratta di una bacchetta magica. Le regioni conservate a volte sono bersagli scadenti perché il sistema immunitario le ignora, o perché si trovano in una parte di una proteina difficile da raggiungere per gli anticorpi. Ecco perché la progettazione pratica di un vaccino richiede ancora il giudizio umano: quali siti conservati presentare, se stabilizzarne la forma, se sia necessario un adiuvante e quale piattaforma di somministrazione spingerà il sistema immunitario umano a reagire. L'IA accelera la ricerca e propone candidati; l'immunologia di laboratorio decide ancora quali testare.

Si pensi all'algoritmo come a un esperto esploratore che indica i muri portanti in una fila di case. Fa risparmiare settimane o mesi di lavoro in laboratorio, ma gli ingegneri devono comunque decidere come ancorare l'impalcatura alla casa affinché non crolli durante una tempesta.

Vaccino "primo al mondo" progettato dall'intelligenza artificiale: sicurezza, sperimentazioni e cosa significa una risposta immunitaria "modesta"

L'IA può davvero accelerare lo sviluppo dei vaccini — e cambia l'equazione industriale?

Sì, in due modi distinti. In primo luogo, l'IA riduce lo spazio di ricerca. Invece di mesi di lavoro iterativo in laboratorio per scegliere gli antigeni candidati, un modello ben addestrato può proporre progetti promettenti in ore o giorni. Ciò aiuta ad arrivare più rapidamente alla prima sperimentazione sull'uomo. In secondo luogo, l'IA può esplorare combinazioni (mosaici) che gli esseri umani non avrebbero tentato intuitivamente, trovando potenzialmente forme di antigene che innescano un'immunità più ampia.

Tuttavia, la velocità nella fase di progettazione non si traduce sempre in velocità su larga scala. Produrre costrutti di DNA o convalidare un nuovo dispositivo di somministrazione richiede ancora strutture, materie prime e approvazioni normative. L'Europa in particolare presenta un mosaico di siti produttivi e autorità di approvvigionamento; una distribuzione rapida richiederebbe contratti coordinati e strategie di stoccaggio. In breve: l'IA può accorciare il calendario a monte, ma i colli di bottiglia a valle — fabbriche, autorizzazioni normative, catene del freddo — determinano ancora la rapidità con cui un vaccino raggiunge la popolazione.

Politica e industria europea: perché un trionfo di Cambridge è importante per la preparazione dell'UE

Da Colonia a Cambridge, la realtà industriale è nota: esistono laboratori innovativi, ma trasformare un vaccino sperimentale in milioni di dosi è un problema di catena di approvvigionamento. Il lavoro di Cambridge sarà di interesse per le agenzie sanitarie e gli organismi di finanziamento dell'UE, perché le piattaforme che mirano a proteggere intere famiglie virali cambiano il calcolo dell'approvvigionamento. Un unico vaccino ad ampio spettro potrebbe ridurre la necessità di riformulazioni annuali e complessi cicli di acquisto in 27 sistemi sanitari nazionali.

Detto ciò, i percorsi normativi europei differiscono da quelli del Regno Unito. La Medicines and Healthcare products Regulatory Agency (MHRA) ha supervisionato il primo lavoro nel Regno Unito; qualsiasi utilizzo a livello pan-europeo coinvolgerebbe l'Agenzia europea per i medicinali e i comitati vaccinali nazionali. I finanziamenti Horizon, i quadri di approvvigionamento congiunto e i partenariati pubblico-privato per la produzione saranno le leve che Bruxelles dovrà azionare se vuole convertire un traguardo accademico in prontezza continentale.

Cosa osservare nel prossimo futuro

Diversi segnali concreti determineranno fino a che punto si spingerà questo progetto. Dati sull'immunogenicità di fase II: i titoli anticorpali e le risposte delle cellule T aumentano in una coorte più ampia e variegata? Piani di produzione: esiste un processo scalabile per il costrutto di DNA e il dispositivo di somministrazione microfluidico? E trasparenza: il team pubblicherà la pipeline di progettazione dell'IA e i dati di addestramento in modo che gruppi indipendenti possano convalidare ed estendere il lavoro?

Tecnicamente, altri gruppi stanno già provando idee simili per l'influenza e le febbri emorragiche; Cambridge afferma che diversi team si stanno muovendo su questi fronti. Se più gruppi indipendenti convergeranno sugli stessi bersagli conservati, questa sarà una prova più solida che l'approccio è robusto piuttosto che un successo isolato.

Per ora, il risultato è notevole principalmente perché testa una nuova catena di strumenti — machine learning combinato con piattaforme di somministrazione rapida — sugli esseri umani. I risultati finora sono promettenti in termini di sicurezza e istruttivi per l'immunologia. Non sono ancora un sostituto delle vie collaudate che hanno prodotto i vaccini COVID su cui le persone hanno fatto affidamento durante la pandemia.

L'Europa possiede gli immunologi e i poli biotecnologici. Deve ancora decidere quale capitale garantirà le dosi e quale ente regolatore verrà ritenuto responsabile quando si verificherà il primo intoppo nel lancio.

Fonti

• Journal of Infection (documento di prova di fase I)
• Università di Cambridge (Laboratorio di Zoonosi Virale)
• DIOSynVax (partner industriale)
• Università di Southampton (sede della sperimentazione clinica)
• Oxford Vaccine Group (commento di esperti esterni)
• Dichiarazioni del National Institute for Health and Care Research (NIHR)