‘Wereldprimeur’: door AI ontworpen vaccin van de Universiteit van Cambridge — wat de klinische studie werkelijk aantoonde

Negenendertig vrijwilligers, een micro-jet en een claim: Cambridge noemt het een "wereldprimeur" voor een kunstmatig ontworpen vaccin

De details zijn van belang omdat dit geen aanpassing is aan een oud recept. De onderzoeksgroep uit Cambridge gebruikte virale genetische data van vele coronavirussen, voerde die in een machine-learning-pijplijn en vroeg het algoritme om een compact antigeen te produceren dat zich richt op kenmerken die gedeeld worden binnen de hele familie — stukjes die het virus niet gemakkelijk kan veranderen. Het vaccin zelf werd als DNA toegediend via een naaldloze microfluïdische jet in de huid, een toedieningsmethode waarvan het team zegt dat het de productie versnelt en enkele logistieke knelpunten van conventionele injectiespuiten omzeilt.

'Wereldprimeur' voor een kunstmatig ontworpen vaccin: wat Cambridge daadwerkelijk testte

De fase I-studie die werd beschreven in het Journal of Infection omvatte minder dan 50 personen; de openbare verslaglegging richt zich op 39 proefpersonen in Cambridge en Southampton. Het gebruikte platform is een DNA-construct dat codeert voor het door AI ontworpen antigeen, toegediend via een vloeistofstraal onder hoge druk die zo dun is als een haar en de genetische blauwdruk in huidcellen forceert. Die methode verschilt van de mRNA-lipide-nanodeeltjesaanpak die op grote schaal werd gebruikt tijdens de COVID-pandemie.

Cambridge noemt het centrale molecuul een "super-antigeen" omdat het meerdere geconserveerde stukjes van de coronavirusfamilie bundelt tot één doelwit. In dierstudies stimuleerde het construct een brede respons tegen verschillende coronavirussen; bij mensen was de primaire uitkomst veiligheid en verdraagbaarheid. De immunogeniciteit was meetbaar, maar werd omschreven als bescheiden — een term die wetenschappers bewust gebruiken om aan te geven dat de signalen wel aanwezig zijn, maar nog niet op niveaus die de meesten als sterk beschermend zouden bestempelen.

Cruciaal is dat het team al een groter fase II-programma is gestart dat naar verwachting enkele honderden deelnemers zal werven. Die volgende stap zal onderzoeken hoe goed het vaccin het menselijk immuunsysteem traint in een diversere groep mensen en of antilichaam- of T-celresponsen toenemen bij verschillende doseringen of toedieningsmethoden.

Hoe de AI een 'super-antigeen' vond (en waarom dat niet hetzelfde is als een afgewerkt vaccin)

In de kern is het Cambridge-systeem een patroonherkenner. De onderzoekers verzamelden openbare en virale surveillancedatabases met sequenties en gebruikten vervolgens machine learning om regio's te identificeren die zowel voorkomen in veel coronavirussen als biologisch beperkt zijn — delen die het virus nodig heeft om te blijven functioneren en die het daarom niet gemakkelijk kan veranderen. Het algoritme voegde deze geconserveerde motieven vervolgens samen tot één kunstmatig antigeen dat het immuunsysteem kan herkennen.

Dit is geen toverstaf. Geconserveerde regio's zijn soms zwakke doelwitten omdat het immuunsysteem ze negeert, of omdat ze zich in een deel van een eiwit bevinden dat moeilijk bereikbaar is voor antilichamen. Daarom is bij de ontwikkeling van vaccins nog steeds menselijk oordeel nodig: welke geconserveerde locaties moeten worden gepresenteerd, moet hun vorm worden gestabiliseerd, is een adjuvans nodig en welk toedieningsplatform zorgt ervoor dat het menselijk immuunsysteem reageert? AI versnelt de zoektocht en draagt kandidaten aan; immunologie in het laboratorium beslist uiteindelijk welke kandidaten getest moeten worden.

Beschouw het algoritme als een ervaren verkenner die de dragende muren in een rij huizen aanwijst. Het bespaart weken of maanden laboratoriumwerk, maar ingenieurs moeten nog steeds beslissen hoe ze de steiger aan het huis bevestigen zodat deze niet instort tijdens een storm.

'Wereldprimeur' voor een kunstmatig ontworpen vaccin: veiligheid, onderzoeken en wat een "bescheiden" immuunrespons betekent

Kan AI de vaccinontwikkeling echt versnellen — en verandert het de industriële vergelijking?

Ja, op twee verschillende manieren. Ten eerste vermindert AI de zoekruimte. In plaats van maanden aan iteratief laboratoriumwerk om kandidaat-antigenen te selecteren, kan een goed getraind model binnen enkele uren of dagen veelbelovende ontwerpen voorstellen. Dat helpt om sneller bij de eerste tests op mensen te komen. Ten tweede kan AI combinaties (mozaïeken) onderzoeken die mensen niet intuïtief zouden hebben geprobeerd, waardoor mogelijk antigeenvormen worden gevonden die een bredere immuniteit opwekken.

Maar snelheid in de ontwerpfase vertaalt zich niet altijd naar snelheid op grote schaal. Het produceren van DNA-constructen of het valideren van een nieuw toedieningsapparaat vereist nog steeds faciliteiten, grondstoffen en goedkeuringen van toezichthouders. Vooral Europa heeft een lappendeken van productielocaties en inkoopautoriteiten; een snelle uitrol zou gecoördineerde contracten en voorraadstrategieën vereisen. Kortom: AI kan de planning in de beginfase verkorten, maar knelpunten verderop in de keten — fabrieken, toelatingen van toezichthouders, koelketens — bepalen nog steeds hoe snel een vaccin de bevolking bereikt.

Europees beleid en industrie: waarom een triomf in Cambridge van belang is voor de paraatheid van de EU

Van Keulen tot Cambridge is de industriële realiteit bekend: innovatieve laboratoria bestaan, maar het omzetten van een experimenteel vaccin in miljoenen doses is een probleem van de toeleveringsketen. Het werk uit Cambridge zal interessant zijn voor EU-gezondheidsinstanties en financieringsorganen, omdat platforms die beogen hele virale families te beschermen de inkoopberekeningen veranderen. Eén breed vaccin zou de behoefte aan jaarlijkse herformuleringen en complexe inkoopcycli in 27 nationale gezondheidssystemen kunnen verminderen.

Dat gezegd hebbende, verschillen de Europese regelgevingstrajecten van die in het VK. De Medicines and Healthcare products Regulatory Agency (MHRA) hield toezicht op het vroege Britse werk; elk pan-Europees gebruik zou het Europees Geneesmiddelenbureau (EMA) en nationale immunisatiecommissies betrekken. Horizon-financiering, gezamenlijke inkoopkaders en publiek-private samenwerkingen in de productie zullen de instrumenten zijn die Brussel moet inzetten als het een academische mijlpaal wil omzetten in continentale paraatheid.

Waarop te letten

Verschillende concrete signalen zullen bepalen hoe ver dit gaat. Fase II immunogeniciteitsdata: stijgen de antilichaamtiters en T-celresponsen in een grotere, gevarieerdere cohort? Productieplannen: is er een schaalbaar proces voor het DNA-construct en het microfluïdische toedieningsapparaat? En transparantie: zal het team de AI-ontwerppijplijn en trainingsdata publiceren zodat onafhankelijke groepen het werk kunnen valideren en uitbreiden?

Technisch gezien proberen andere groepen al soortgelijke ideeën voor influenza en hemorragische koorts; Cambridge zegt dat teams op die gebieden vooruitgang boeken. Als meerdere onafhankelijke groepen op dezelfde geconserveerde doelwitten uitkomen, zal dat een sterker bewijs zijn dat de aanpak robuust is in plaats van een geïsoleerd succes.

Voorlopig is de prestatie vooral opmerkelijk omdat het een nieuwe gereedschapskist — machine learning plus snelle toedieningsplatforms — test bij mensen. De resultaten tot nu toe zijn veelbelovend wat betreft veiligheid en informatief wat betreft immunologie. Ze zijn nog geen vervanging voor de beproefde routes die de COVID-vaccins voortbrachten waar mensen tijdens de pandemie op vertrouwden.

Europa heeft de immunologen en biotechhubs. Het moet nog beslissen welke hoofdstad de doses zal financieren en welke toezichthouder de schuld krijgt als het eerste probleem bij de uitrol optreedt.

Bronnen

• Journal of Infection (onderzoeksverslag fase I-studie)
• University of Cambridge (Laboratorium voor virale zoönosen)
• DIOSynVax (industriële partner)
• University of Southampton (locatie klinische proef)
• Oxford Vaccine Group (extern deskundig commentaar)
• Verklaringen van het National Institute for Health and Care Research (NIHR)