فناوری، موفقیت واکسن کرونا در نژادهای مختلف را زیر سؤال برد - وبلاگ واحدی

با وجود خوش بینی ها نسبت به تأثیر بالای این واکسن ها، تازه ترین گزارش مؤسسهMIT که یکی از بازیگران اصلی در حوزه ساخت واکسن محسوب می گردد، نشان می دهد بعضی نژادها ممکن است از این واکسن تأثیر کمتری بگیرند که این یک ضعف عظیم به شمار می رود.

روی دیگر سکه واکسن

دولت بریتانیا در حال آماده شدن برای انجام واکسیناسیون شهروندان این کشور با واکسن فایزر-بایون تک است و پیش بینی می گردد که الیزابت دوم ملکه بریتانیا و همسرش جزو نخستین گروه هایی باشند که به آنها واکسن تزریق می گردد. نخستین مرحله این واکسیناسیون از امروز (18 آذر) با تزریق واکسن به افراد بالای 80 سال، کادر درمانی حاضر در خط مقدم مقابله با کووید-19 و افراد ساکن در خانه های سالمندان انجام می گردد.سایر افراد مسن و آسیب پذیر در مرحله بعدی واکسیناسیون قرار دارند و بقیه افراد هم بر اساس سن برای واکسیناسیون طبقه بندی می شوند. اما با وجود توجه فراوان به واکسن های پیروز کووید- 19 همچون مدرنا و فایزر، بعضی متخصصان سلامت درباره اثرگذاری بالای این واکسن ها شک و تردید دارند. گفته می گردد این واکسن ها برای همه جمعیت های دنیا تا 95 درصد ایمنی در برابر کرونا ایجاد می نمایند در حالی که متخصصان آزمایشگاه علوم کامپیوتر و هوش مصنوعی (CSAIL) در مؤسسه MIT نظر دیگری دارند و تحقیقات آنها روی دیگر این سکه را نشان می دهد.

طبق گزارش Zdnet، این تحقیقات نشان می دهد تأثیر این واکسن به عوامل و فاکتورهای زیادی وابسته است که از جمله آنها می توان به نژاد فرد اشاره نمود که البته در ساخت این واکسن ها به این موضوع هیچ توجهی نشده است و همین امر می تواند پیروزیت این واکسن ها را تا حدودی شنماینده سازد. گفته می گردد واکسن های مدرنا، فایزر، AstraZeneca و... که قرار است ویروس کووید- 19 را در دنیا به دام بیندازند و مانع تاخت و تاز بیشتر آن شوند والبته اکنون در فاز سوم تحقیقات کلینیکی قرار دارند، شاید نتوانند بر افراد سیاهپوست یا آسیایی- امریکایی های ساکن در امریکا به اندازه مردم سفید پوست این کشور تأثیرگذار باشند. این، نتیجه یک تحقیق در مؤسسه تکنولوژی ماساچوست(MIT) است که در مجله Cell Systems منتشر شده است.دیوید کی گیفورد یکی از نویسندگان این گزارش که درواقع به عنوان مهندس ارشد در(CSAIL) آزمایشگاه علوم کامپیوتر و هوش مصنوعیMIT فعالیت دارد به همراه دیگر نویسندگان این گزارش یعنی Ge Liu و براندون کارتر، دو دانشجوی دکترای فعال در CSAIL تأکید نموده اند که در تحقیقات خود از مدل های کامپیوتری هوشمند و بسیار دقیق استفاده نموده اند و با یاری مدل های یادگیری ماشینی برای پیش بینی بر اساس اطلاعات و دیتای بیمار و مدل های پروتئین موجود در سیستم ایمنی آنها، کوشش کردند تا تخمین بزنند که این واکسن ها تا چه حد می توانند بر افراد با ژنتیک های متفاوت تأثیرگذار باشند و از آنها در برابر کووید- 19 محافظت نمایند.

لزوم ایجاد تنوع در پپتیدهای واکسن ها

برای درک این موضوع که اصولاً واکسن ها چگونه از بدن محافظت می نمایند و ژنتیک چه تأثیری می تواند بر این ایمنی زایی داشته باشد، بهتر است نگاهی به مکانیسم مقابله بدن با یک ویروس داشته باشیم. وقتی یک ارگانیسم زنده ازجمله ویروس یا باکتری یا یک رشته کوتاه متشکل از 8 تا 25 آمینواسید که پپتید نامیده می شوند وارد بدن می گردد، به سطح سلول های بدن می چسبند و گلبول های سفیدTشکل این سلول ها را سیگنالی برای حمله به بدن شناسایی می نمایند. حالا مراحل مبارزه با این ذرات خارجی و نابود کردن این سلول های آلوده شروع می گردد. این، دقیقاً مدلی است که سیستم ایمنی بدن کار می نماید و واکسن ها این مراحل را با استفاده از یک بخش از ویروس که به طور خاص مهندسی شده است تا پاسخ ایمنی بدن را تحریک کند، تقلید نموده اند.

گیفورد و تیم همراهش در تازه ترین تحقیق خود نشان داده اند که واکسن های معروفی همچون مدرنا، فایزر وAstraZeneca دقیقاً همان ضعفی را دارند که محققان در مدل سازی رایانه ای خود پیش بینی نموده بودند. همه این واکسن ها از بخشی از ویروس به نام پروتئین Spike یا پروتئینS استفاده نموده اند و عملاً از بخشی از این پروتئین با نام Receptor Binding Domain)RBD) برای تحریک سیستم ایمنی بدن استفاده نموده اند. بنابراین تمرکز بر یک بخش خاص از پپتیدهای ویروس، ضعف عمده و اصلی این واکسن ها به شمار می رود. این محققان با یاری هوش مصنوعی و سیستم های ماشین یادگیری نمونه های مختلف واکسن ها را مدل سازی کردند و در نهایت باز هم تأکید کردند که نبود تنوع پپتیدها منجر به ناکامی و شکست این واکسن ها در پوشش سلامت همه مردم دنیا با ژنتیک های مختلف خواهد شد.

این محققان معتقدند سازندگان واکسن باید در آزمایشات بالینی خود به تنوع ژنتیکی مردم دنیا توجه داشته باشند وگرنه نمی توانند بخش زیادی از جمعیت کره زمین را زیر پوشش سلامت در برابر کووید- 19 خود قرار دهند. پیش از این نیز گیفورد و تیم همراهش در گزارش تابستانی خود هشدار داده بودند که عدم استفاده کافی از بخش های مختلف ویروس در ساخت واکسن، می تواند شکاف هایی را در پوشش سلامت جمعیت ایجاد کند و عملاً بعضی افراد با وجود تزریق واکسن، ایمنی کمتری نسبت به بقیه پیدا نمایند. دلیل این موضوع نیز این است که مردم رسپتورها یا گیرنده های سلولی متفاوت و همچنین نسخه های مختلفی از ژن ها دارند. درواقع رسپتورها یا گیرنده های سلولی بدن افراد به بعضی از پپتیدهای ویروسی متصل می شوند.

این تیم دریافتند در میان افراد سفیدپوست تعداد افرادی که به این واکسن پاسخ مناسبی ندهند به کمتر از نیم درصد می رسد اما این رقم برای آسیایی ها یا سیاهپوست ها به 10درصد می رسد که رقم قابل تأملی به شمار می رود. به بیان دیگر بعضی نژادها نسبت به این واکسن کمتر تأثیر می گیرند که این موضوع نگران نماینده است. به گفته گیفورد، در طول همه گیرى، اختلافات نژادى موجود و نابرابرى هاى بهداشتى شدت یافته و برجسته شده است و ویروس به طور نامتناسبى بر جوامع سیاهپوست و اسپانیایی تبار تأثیر می گذارد. اگر یک واکسن برای گروه های اقلیت اثرگذاری کمتری داشته باشد، تنها شکاف هایی را که در حال حاضر وجود دارد افزایش می دهد.

پروژه های فناورانه MIT

در مؤسسه MIT با استفاده از متدهای هوش مصنوعی و ماشین های یادگیری بسیار پیشرفته، واکسن هایی مشابه مدرنا و فایزر مدل سازی شد. درواقع فعالان حوزه فناوری MIT کوشش کردند تا نشان دهند واکسن های ساخته شده تا چه حد می توانند در گروه های جمعیتی مختلف با ریشه های ژنتیکی متفاوت، پاسخ ایمنی را در بدن فرد تحریک نمایند. این پروژه در ادامه پروژه قبلی مؤسسه پژوهشی MIT رقم خورد که کوشش داشت با استفاده از هوش مصنوعی به طراحی واکسن پیشرفته کرونا بپردازد. این مؤسسه در ماه ژوئیه 2020 سیستم ماشین یادگیری با نام OptiVax را توسعه داد که پپتیدهایی را انتخاب می نماید که پیش بینی می گردد جمعیت بیشتری را می توانند زیر پوشش واکسن قرار دهند و بهترین ایمنی توسط این فناوری تشخیص داده گردد.

در این تحقیق جدید علاوه بر OptiVax و پیش بینی میزان تحریک پاسخ ایمنی بدن به واکسن از فناوری EvalVax هم استفاده شده است تا پاسخ ایمنی بدن به بیوشیمی گروه های جمعیتی را بر اساس شرایط اجداد قومی یا ژنتیکی ترسیم کند. مکانیسم واکسن هم در این تحقیقات توسط برنامه های کامپیوتری بسیار دقیق مدل سازی شده است.مطالعات فناورانه این گروه از محققان نشان می دهد اگر از 5 تا 20 پپتید اضافی در این واکسن ها استفاده گردد، میزان پیروزیت این واکسن ها به منظور محافظت از مردم در برابر کرونا می تواند تا 100 درصد برسد. این تیم تحقیقی نشان داده که افزودن 5 تا 10 پپتید اضافی به یک دوز خاص می تواند اثر بخشی واکسن را تقریباً 100 درصد در کل جمعیت بیمار بهبود بخشد. البته زددی نت هنوز پیروز نشده که نظر سازندگان و دست اندرکاران ساخت واکسن های فایزر، مدرنا و AstrZeneca را در این باره کسب کند ولی به محض پاسخ آنها این نظرات را منعکس خواهد نمود.