Фреймворк машинного обучения выявляет ключевые факторы, определяющие цитокиновые ответы в когорте здоровых людей

Почему наши иммунные реакции различаются

Когда двое здоровых людей подхватывают одну и ту же простуду, один может лишь слегка чихать, а другой надолго оказаться прикованным к постели. Большая часть этой разницы объясняется тем, насколько активно их иммунные системы выделяют сигнальные белки — цитокины. В этом исследовании поставлен простой, но важный вопрос: можно ли предсказать, как отреагирует иммунная система здорового человека, используя сочетание генетики и повседневных факторов, таких как сезон, прошлые инфекции и анализы крови?

Внимательный взгляд на иммунитет здоровых людей

Для изучения этого вопроса исследователи сформировали тщательно подобранную когорту из 406 здоровых взрослых, у всех взят материал в стандартизированных условиях. Кровь собирали утром натощак, измеряли уровни гормонов и количество иммунных клеток, фиксировали такие параметры, как пол, возраст, масса тела и сезон взятия проб. Затем они стимулировали свежую цельную кровь веществами, имитирующими патогены и активирующими две ключевые ветви иммунитета: рецепторы типа Toll (врождённые сенсоры, распознающие общие признаки опасности) и T-клеточные рецепторы (адаптивные клетки, распознающие специфические мишени). Команда измерила 11 различных цитокиновых ответов, создав полную картину того, как иммунная система каждого человека реагирует при контролируемых лабораторных возмущениях.

Поиск паттернов сильных и слабых ответов

Первым шагом было выяснить, естественным ли образом люди группируются по узнаваемым «типам» иммунного ответа. Анализируя, как один ключевой цитокин, IL-6, реагирует на несколько врождённых стимулов, исследователи выделили две основные группы: высокопродуцирующие и низкопродуцирующие. Люди, у которых при одном врождённом триггере выделялось больше IL-6, как правило, вырабатывали и другие связные цитокины в больших количествах, что указывает на устойчивые профильные реакции. Высокопродуцирующие IL-6 чаще были мужчинами, имели больше моноцитов — одного из видов лейкоцитов — и чаще попадали в выборку зимой, что подчёркивает, как биология и окружающая среда формируют «тон» иммунитета в течение года.

Гены против окружающей среды: кто за что отвечает?

Далее исследователи просканировали весь геном в поисках вариантов ДНК, связанных с уровнями цитокинов, и обнаружили четыре региона, которые явно влияли на отдельные ответы, включая хорошо известный вариант, затрагивающий цитокины, управляемые T-клетками. Но генетика объясняла лишь часть картины. Они сравнили несколько подходов к предсказанию — от простых линейных моделей до более гибких методов машинного обучения, таких как случайные леса и градиентный бустинг. При попытке предсказать цитокиновые ответы, опираясь только на генетические данные, с разумной точностью удавалось прогнозировать лишь несколько цитокинов, связанных с T-клетками. После добавления биологических и средовых данных — например, показателей крови, сезона и предшествующей экспозиции цитомегаловирусу — модели улучшились, особенно для ответов, опосредованных врождёнными рецепторами, где чисто генетические сигналы были слабы.

Что показывают лучшие модели

Наиболее надёжной оказалась методика на основе деревьев решений — случайный лес. Вскрывая, насколько ухудшаются предсказания при перестановке каждой входной переменной, авторы определяли, какие признаки действительно важны. Для цитокинов, управляемых T-клетками, ведущую роль играли генетические варианты, с меньшим вкладом возраста и хронической вирусной экспозиции. Для цитокинов, опосредованных врождёнными рецепторами, такими как IL-6 и TNF, куда более значимыми оказались сезон взятия пробы и количество моноцитов, а не маркеры в ДНК. Команда также продемонстрировала, насколько легко переоценить силу генетики при некорректном отборе признаков, и подтвердила основные выводы в независимой когорте почти из 500 некурящих. Любопытно, что общие генетические индексы риска аутоиммунных заболеваний не улучшали предсказания, что указывает на то, что гены, предрасполагающие к болезни, не обязательно совпадают с генами, определяющими повседневную регулировку иммунитета у здоровых людей.

Что это означает для будущей персонализированной иммунологии

Для неспециалиста вывод прост: наши иммунные реакции не зашиты только в генах. Некоторые цитокины, особенно те, что формируются T-клетками, в значительной степени определяются наследуемыми изменениями ДНК. Другие, особенно продуцируемые врождёнными сенсорами вроде рецепторов Toll, гораздо сильнее зависят от меняющихся факторов — сезона, числа клеток, гормонов и прошлых контактов с микроорганизмами. Современные инструменты машинного обучения могут объединять эти фрагменты информации, чтобы ранжировать, кто, вероятно, будет сильным или слабым респондентом, но у этих инструментов есть ограничения, и ими нужно пользоваться осторожно, чтобы не создать ложное оптимистичное впечатление. В целом эта работа приближает нас к возможности прогнозировать индивидуальное поведение иммунитета, подчёркивая, что как геном, так и повседневная среда совместно определяют, насколько яростно мы реагируем на инфекцию.

Цитирование: 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

Ключевые слова: цитокиновые ответы, машинное обучение, вариабельность иммунитета, генетика и окружающая среда, системная иммунология