Oltási immunválasz előrejelzése antitest-ujjlenyomat segítségével
A védőoltások a legtöbb ember számára hatékony védelmet nyújtanak a súlyos betegségekkel szemben, ugyanakkor az immunválasz erőssége jelentős egyéni eltéréseket mutathat. Az Arizona State University kutatóinak új vizsgálata arra keresi a választ, mi határozza meg ezt a különbséget.
A kutatók azt feltételezték, hogy az immunrendszer már az oltás beadása előtt hordozhat olyan jellegzetességeket, amelyek előre jelezhetik, milyen erős lesz a szervezet reakciója. Ennek vizsgálatához több mint négyezer résztvevő vérmintájában mérték 185 antigén – köztük gyakori vírusok, baktériumok és autoimmun folyamatokhoz kapcsolódó célpontok – elleni antitestek szintjét.
A minták elemzéséhez mesterséges intelligenciát alkalmaztak, amely a Covid-19 elleni oltás előtt és után vett vérminták összehasonlításával olyan antitestmintázatokat azonosított, amelyek megkülönböztették az erős és a gyenge oltási válaszokat. A kutatás ezzel egy lehetséges irányt jelöl ki a személyre szabott vakcináció felé. Joshua LaBaer, a vizsgálat vezetője szerint bizonyos biomarkerek – megfelelő AI‑elemzéssel – képesek előre jelezni, ki számíthat erőteljes immunválaszra, ami arra utal, hogy egyes emberek immunológiai szempontból „felkészültebbek” lehetnek az oltásra.
A kutatás a Cell Press Blue folyóiratban jelent meg, és az ASU Biodesign Institute, valamint több amerikai egészségügyi és kutatóintézet együttműködésében készült. A vizsgálat egyik központi kérdése az volt, hogy a vérben oltás előtt jelen lévő antitestmintázatok képesek‑e előre jelezni a későbbi immunválaszt. Korábban ismert volt, hogy az életkor, a nem, a genetikai háttér, a korábbi betegségek és az immunrendszert gyengítő állapotok mind befolyásolják az oltási reakciót, ám ezek a tényezők önmagukban nem magyarázzák a jelentős egyéni különbségeket.
A kutatók ezért egy úgynevezett antitest‑ujjlenyomatot vizsgáltak, amely a teljes antitestkészlet mintázatát tükrözi. A vizsgálat 8687 mintát foglalt magában összesen 4089 résztvevőtől, köztük egészséges önkéntesektől és olyan betegektől, akiknél valamilyen immunrendszeri probléma állt fenn – például HIV‑fertőzés, myeloma multiplex, szolid tumorok, autoimmun betegségek, gyulladásos bélbetegség vagy szervtranszplantáció. Bár az immunszupprimált csoportokban gyakrabban fordult elő gyenge oltási válasz, ez a kategorizálás nem bizonyult elég pontosnak: egyes betegek erős immunválaszt adtak, míg az egészséges résztvevők 5-6%-a gyenge reakciót mutatott.
A vizsgálat kimutatta, hogy bizonyos, már oltás előtt jelen lévő antitestek – például a Staphylococcus aureus, az RSV ellen termelődők – magasabb szintje erősebb Covid-19 vakcinaválasszal társult. A kutatók ezeket „őrszem antitesteknek” (sentinel antibodies) nevezték, mivel nem közvetlenül a vakcina célpontjára reagálnak, hanem az immunrendszer általános készenléti állapotát tükrözik. A mesterséges intelligencia ezután nemcsak az egyes antitestek szintjét, hanem a teljes antitestmintázatot elemezte, és olyan összetett immunológiai profilokat azonosított, amelyek előre jelezték a gyenge oltási válasz valószínűségét.
A kutatás rávilágít arra, hogy az AI képes olyan finom biológiai mintázatokat felismerni, amelyek hagyományos módszerekkel rejtve maradnának. A megközelítés azt sugallja, hogy az oltási reakció megértéséhez az immunrendszert egészében érdemes vizsgálni, nem csupán egyetlen kórokozóra vagy antitesttípusra összpontosítva. A módszer előnye, hogy a genetikai elemzésekkel szemben könnyebben adaptálható klinikai környezetben, mivel rutinszerű vérvizsgálatokra épül.
A kutatók szerint az eredmények túlmutathatnak a Covid-19 elleni oltásokon. Ha további vizsgálatok megerősítik a módszer hatékonyságát más vakcináknál is, az őrszem antitestek profilja segítheti a vakcinák fejlesztését, a klinikai döntéshozatalt és az immunológiai kockázatbecslést. A jövőben lehetővé válhat azoknak a betegeknek az azonosítása, akiknek több oltásra, szorosabb követésre vagy alternatív védelmi stratégiákra van szükségük. A megközelítés hozzájárulhat ahhoz, hogy az oltási döntések egyre inkább az egyén immunológiai felkészültségén alapuljanak.
Írásunk az alábbi közlemények alapján készült:
AI predicts vaccine response based on pre-existing antibody patterns
Pre-vaccine sentinel antibodies predict blunted vaccine responses
Irodalmi hivatkozás:
Song, L., et al. (2026). Pre-vaccine sentinel antibodies predict blunted vaccine responses. Cell Press Blue. DOI: 10.1016/j.cpblue.2026.100088. https://www.cell.com/cell-press-blue/fulltext/S3051-3839(26)00086-1
