免疫世界モデル：マルチスケール予測と治療仮説生成

免疫療法は細胞内プログラム、組織生態系、患者固有の免疫状態など複数スケールに作用するが、既存の予測器は各スケールを別々に扱うことが多い。本研究では、統治された進化的AI Scientistを用いてImmune World Modelを構築した。これは介入が免疫状態を細胞・組織・個体レベルでどう動かすかを学習するaction-conditionedモデルである。

従来の予測器がスケールを分断していたのに対し、本モデルは細胞・組織・個体のマルチスケール免疫状態を統合的に扱う。また、AI Scientistが候補アーキテクチャとワークフローを探索し、得られたworld modelを独立確認前に凍結することで、過学習や事後調整を避けた点が新しい。

統治された進化的AI Scientistが候補アーキテクチャとワークフローを探索し、Immune World Modelを構築。モデルはaction-conditionedで、介入による免疫状態の変化をマルチスケールで学習する。構築後は凍結され、独立した確認に用いられる。

凍結モデルは未見の介入や生物学的文脈に汎化し、介入特異的な細胞プログラムを回復し、細胞と組織情報を統合して生態系および患者応答予測を改善し、未見の摂動組み合わせを予測した。さらに、Immune World Model-guided analysisが測定摂動とcross-axis inferenceを組み合わせ、IL-36γ plus SIRPα inhibitionを補完軸の治療仮説として提名した。一方、統治されたself-correction auditはスクリーニングした全てのサイトカインpairを棄却した。

要旨からは不明。

要旨で参照/比較されている研究や関連手法は明示されていない。同分野の定番として、immune checkpoint blockade、single-cell RNA sequencing、perturbation prediction models、AI Scientist、world modelsなどが挙げられる。