기생충에 감염된 환자의 혈액 샘플은 질병의 다양한 단계를 나타내는 숨겨진 정보를 포함하고 있음.
최근 발표된 연구에서 우리 팀은 기계 학습을 사용하여 이 숨겨진 정보를 발견하고 감염의 조기 발견 및 진단을 개선함.
기생충은 달팽이와 사람, 개, 쥐와 같은 포유류 두 가지 숙주에서 생애 주기를 완성함. 담수의 기생충 알은 피부를 통해 인간 숙주에 들어가 몸 전체를 순환하며 간, 장, 방광 및 요도를 포함한 여러 장기를 손상시킴.
이 유충이 장과 간을 연결하는 혈관에 도달하면 성체 기생충으로 성장함. 이후 성체 기생충은 알을 방출하고, 감염된 사람이 배변할 때 배출되어 전파 주기를 계속함.
현재 진단은 대변에서 알을 발견하는 데 의존하고 있어 의사들은 보통 감염의 초기 단계를 놓침. 알이 발견될 때쯤이면 환자는 이미 질병의 진행된 단계에 도달해 있음.
진단 비율이 낮기 때문에 공공 보건 관계자들은 일반적으로 영향을 받는 지역의 인구에 praziquantel 약물을 대량으로 투여함. 그러나 praziquantel은 감염 초기 단계의 유충을 제거할 수 없고, 재감염을 예방할 수도 없음.
우리 연구는 혈액에서 활성 초기 감염을 신호하는 숨겨진 정보를 식별함으로써 조기 발견 및 진단을 개선할 수 있는 명확한 경로를 제공함.
기생충 감염에 대한 신체의 반응은 여러 종류의 면역 세포와 기생충 및 알에서 분비되거나 존재하는 분자를 표적으로 하는 항체를 포함한 면역 반응을 동반함.
우리 연구는 조기 감염을 신호하는 특정 항체의 특성을 스크리닝하는 두 가지 방법을 소개함.
첫 번째는 면역 반응의 정량적 및 정성적 프로필을 포착하는 분석법으로, 다양한 클래스의 항체와 다른 면역 세포와의 소통 방식을 결정하는 특성을 포함함. 이를 통해 감염되지 않은 환자와 초기 및 후기 질병 환자를 구별하는 면역 반응의 특정 측면을 식별할 수 있었음.
두 번째로, 우리는 질병 단계 및 심각성과 관련된 면역 반응의 잠재적 특성을 식별하기 위해 항체를 분석하는 새로운 기계 학습 접근 방식을 개발함.
우리는 감염된 환자와 감염되지 않은 환자의 면역 프로필 데이터를 기반으로 모델을 훈련하고, 훈련에 사용되지 않은 데이터와 다른 지리적 위치의 데이터를 테스트함. 우리는 질병의 바이오마커뿐만 아니라 감염의 기초가 되는 잠재적 메커니즘도 식별함.
왜 중요한가
Schistosomiasis는 전 세계 2억 명 이상에게 영향을 미치는 소외된 열대 질병으로, 매년 28만 명의 사망자를 초래함. 조기 진단은 치료 효과를 개선하고 심각한 질병을 예방할 수 있음.
또한, 많은 기계 학습 방법이 블랙 박스인 것과 달리, 우리의 접근 방식은 해석 가능함. 이는 질병의 마커를 단순히 식별하는 것을 넘어 질병이 어떻게 발전하는지에 대한 통찰력을 제공하여 조기 진단 및 치료를 위한 미래 전략을 안내할 수 있음.
아직 알려지지 않은 것
우리가 식별한 schistosomiasis 감염 신호는 두 대륙의 두 지리적 지역에서 안정적으로 유지됨. 향후 연구는 이러한 바이오마커가 추가 인구에 얼마나 잘 적용되는지 탐구할 수 있음.
또한, 우리의 연구는 질병 진행의 잠재적 메커니즘을 식별함. 우리는 기생충 표면의 특정 단백질에 대한 면역 반응이 감염의 중간 단계를 신호함을 발견함.
이 잘 연구되지 않은 항원에 대한 면역 체계의 반응을 이해하면 진단 및 치료를 개선할 수 있음.
다음 단계
감염의 다양한 단계에 대한 면역 체계의 반응을 이해하는 것을 넘어, 우리의 발견은 진단 및 치료를 위한 비용 효율적이고 효율적인 접근 방식을 설계하는 데 기여할 수 있는 주요 항원을 식별함.
우리의 다음 단계는 조기 발견 및 질병 관리를 위한 이러한 전략을 실제로 현장에서 배포하는 것임.
