מסגרת למידת מכונה חושפת גורמים מרכזיים בתגובות ציטוקינים בקבוצת בני אדם בריאה

מדוע התגובות החיסוניות שלנו שונות

כששני אנשים בריאים נדבקים באותו הצינון, אחד עשוי רק להתעטש בעוד האחר ייחשב למיטת חולים למשך ימים. חלק גדול מההבדל הזה נובע מעוצמת שחרור חלבוני איתות שנקראים ציטוקינים. המחקר הזה שואל שאלה פשוטה אך חשובה: האם ניתן לחזות כיצד מערכת החיסון של אדם בריא תגיב, באמצעות שילוב של נתונים גנטיים וגורמים יומיומיים כמו עונה, זיהומים קודמים ומדידות דם?

מבעד לעיניים של מערכות חיסוניות בריאות

כדי לחקור זאת בנו החוקרים קבוצת מבחן שנבחרה בקפידה של 406 מבוגרים בריאים, כולם נבדקו בתנאים סטנדרטיים. הם אספו דם בבוקר לאחר צום, מדדו רמות הורמונים וספירות תאי חיסון, ורשמו גורמים כגון מין, גיל, משקל גוף ועונת הדגימה. לאחר מכן גרו את דם שלם טרי עם חומרים המדמים פתוגנים ומפעילים שתי זרועות עיקריות של החיסון: קולטני טול-לייק (שומרים מולדים החושפים אותות סיכון רחבים) וקולטני תאי T (תאים אדפטיביים שמזהים מטרות ספציפיות). הצוות מדד 11 תגובות ציטוקין שונות, ויצר תמונה עשירה של האופן שבו מערכת החיסון של כל אדם מגיבה לאתגרים מבוקרים במעבדה.

איתור דפוסים של נותני תגובה חזקים וחלשים

הצעד הראשון היה לבדוק האם אנשים מאורגנים ל"סוגים" חיסוניים ניכרים. על ידי בחינת תגובת ציטוקין מרכזי אחד, IL-6, למספר גירויים מולדים, מצאו החוקרים שתי קבוצות עיקריות: מייצרים גבוהים ומייצרים נמוכים. אנשים שהפיקו יותר IL-6 להגירוי מולד אחד בדרך כלל הפיקו גם יותר ציטוקינים קשורים אחרים, מה שמציע פרופילים תגובתיים יציבים. מייצרי IL-6 גבוהים היו לעתים קרובות גברים, בעלי מספר גבוה יותר של סוג תאי דם לבנים שנקרא מונוציטים, והסתבר שנלקחו מהם דגימות בתדירות גבוהה יותר בחורף, מה שמבליט כיצד גם הביולוגיה וגם הסביבה מעצבים את הטון החיסוני לאורך השנה.

גנים מול סביבה: מי משפיע על מה?

בהמשך סרקו החוקרים את הגנום כולו אחר וריאנטים ב-DNA שקושרו לרמות ציטוקינים ומצאו ארבעה אזורים שהשפיעו באופן ברור על תגובות מסוימות, כולל וריאנט ידוע המשפיע על ציטוקינים המונעים על ידי תאי T. אך הגנים סיפרו רק חלק מהסיפור. לאחר מכן השוו מספר גישות חיזוי זו מול זו, מדגמים ליניאריים פשוטים ועד טכניקות גמישות של למידת מכונה כגון עצי רנדום פורסט ועצי תשוקה מוקטנת (gradient boosted trees). כשניסו לחזות תגובות ציטוקין באמצעות נתונים גנטיים בלבד, רק כמה ציטוקינים הקשורים לתאי T ניתנו לחזות בדיוק סביר. ברגע שהוסיפו מידע ביולוגי וסביבתי — כגון ספירות דם, עונה וחשיפה קודמת לציטומגלווירוס — המודלים השתפרו, במיוחד עבור תגובות לקולטנים מולדים, שם האותות הגנטיים לבדם היו חלשים.

מה המודלים הטובים ביותר חושפים

הדרך האמינה ביותר הייתה שיטה מבוססת עצים בשם random forest. על-ידי בחינה כמה החיזויים מתדרדרים כאשר כל קלט מעורבב, המחברים יכלו לזהות אילו תכונות חשובות באמת. עבור ציטוקינים המונעים על ידי תאי T, וריאנטים גנטיים היו הנהגים הדומיננטיים, עם תפקידים קטנים יותר לגיל ולחשיפה ויראלית כרונית. עבור ציטוקינים המונעים על ידי קולטנים מולדים כמו IL-6 ו-TNF, זמן העונה וספירות המונוציטים היו משפיעים הרבה יותר מסמנים גנטיים. הצוות גם הראה כמה קל להעריך יתר על המידה את כוח הגנטיקה אם בחירת התכונות נעשית באופן שגוי, ואישש את הממצאים העיקריים בקוהורט עצמאי של כמעט 500 לא-מעשנים. באופן מעניין, ציון סיכון גנטי רחב למחלות אוטואימוניות לא שיפר את החיזוי, מה שמרמז שגנים שמגדילים את הסיכון למחלה אינם משקפים באופן נקי את אותם גנים שמכווננים תגובות חיסוניות יומיומיות אצל אנשים בריאים.

מה משמעות הדבר למערכת חיסונית מותאמת אישית בעתיד

לקורא שאינו מומחה, הלקח הוא שהתגובות החיסוניות שלנו אינן כתובות רק בגנים שלנו. כמה ציטוקינים, במיוחד אלה המונעים על ידי תאי T, מעוצבים בחוזקה על ידי שינויים תורשתיים ב-DNA. אחרים, ובפרט אלה המיוצרים על-ידי חיישנים מולדים כמו קולטני Toll-like, תלויים הרבה יותר בגורמים מתחלפים כגון עונה, ספירות תאים, הורמונים וחשיפות קודמות. כלי למידת המכונה מודרניים יכולים לארוג את החלקים האלה יחד כדי לדרג מי צפוי להיות נבדק תגובה חזקה או חלשה, אך יש להם מגבלות ויש להשתמש בהם בזהירות כדי להימנע מאופטימיות מטעה. בסך הכל, עבודה זו מקרבת אותנו לחיזוי התנהגות חיסונית פרטנית, בעוד שהיא מדגישה שגנום וסביבה יומיומית כותבים יחד את התסריט של כמה עז נראית התגובה שלנו לזיהום.

ציטוט: Liefferinckx, C., Bottieau, J., Quertinmont, E. et al. A machine learning framework reveals key drivers of cytokine responses in a healthy human cohort. npj Syst Biol Appl 12, 45 (2026). https://doi.org/10.1038/s41540-026-00671-w

מילות מפתח: תגובות ציטוקינים, למידת מכונה, שונות חיסונית, גנטיקה וסביבה, אימונולוגיה מערכתית