人类免疫系统是对抗各种疾病的利器。通过模拟病毒特征，可以定向刺激免疫系统，让我们的身体产生抗体，从而将入侵者消灭，这就是疫苗的基本原理。例如，经过科学家们的努力，针对新冠病毒的疫苗已经陆续上市。
既然疫苗如此有效，能否开发出干掉癌症细胞的疫苗呢？答案是“可以的”。早在一百多年前就有科学家进行了相关研究，且已经有一些针对特定癌症的疫苗投入临床应用，例如作为预防性的人乳头状瘤病毒（HPV）疫苗和作为治疗性的前列腺癌疫苗（Sipuleucel-T）。然而，到目前为止，这种免疫疗法还没有大规模应用，这是为什么呢？
我们知道开发疫苗最关键的是找到坏蛋们（如癌细胞）的标志性特征，这些特征称为抗原。那么，直接把癌症细胞揪出来，依葫芦画瓢造个疫苗不就好了？然而，癌细胞非常狡猾，把自己伪装成正常细胞，连我们的免疫系统都很难发现他们。因此，以往大多数癌症疫苗只能基于肿瘤相关抗原，而不是肿瘤特异性抗原。这种相关性抗原确实存在于癌细胞中，但很多时候也存在于正常细胞中，只不过相对较少。因此，基于这种抗原激发出来的免疫反应在消灭癌细胞的同时也会无情地消灭正常细胞。所谓“杀敌一千，自损八百”。
这就激发出科学家们的好胜心：人类已经能把整个细胞揪出来进行基因测序了，难倒还不能找到一个肿瘤特异的抗原吗？于是，科学家们开始将癌细胞和正常细胞放一起“找茬”，检测出癌细胞中发生变异的蛋白质片段，再找到那些可以激活免疫反应的变异片段，那么我们的抗癌疫苗就有希望了【1】。这些能激发免疫反应的蛋白质片段称为新生抗原（Neoantigen）。
然而，道路还是曲折的。科学家们发现，癌症和癌症之间的新生抗原有所不同，这意味着针对不同癌症要设计不同的疫苗。这个倒不是大问题。糟糕的是，即使是同一种癌症，不同患者的新生抗原也是不同的。这就麻烦了，因为要针对每个患者去试验哪个变异片段是有效的，这个工作量太大了，患者时间上等不及，从成本上讲也无法做到普及。
图1. 基于个性化新抗原预测的癌症疫苗开发流程
于是，科学家们想到了人工智能，希望通过病人的基因信息来预测哪些变异片段可能作为新生抗原。目前，这一方法已经取得了很大进步。如图1所示，通过DNA/RNA测序，找出癌细胞的特异性片段，再利用神经网络预测那些最有可能被免疫系统发现的片段。有了这些片段，就可以制成抗癌疫苗了【2，3】。最近，自然-机器智能杂志也发表了一篇文章[4]，对病人肿瘤细胞表面的正常蛋白质建立深度学习模型，利用该模型判断异常蛋白质，从而发现有效的新生抗原。
图2.基于深度学习的蛋白质预测模型
今天，人工智能已经在医疗健康的各个领域大展身手，癌症疫苗开发只是战场之一。随着人类基因库的完善和各种医疗信息的汇集，人工智能发挥作用的场景也会越来越多，成为人类健康的忠实守护者。
参考文献：
[1]Hu, Z., Ott, P. A. & Wu, C. J. Towards personalized, tumour-specific, therapeutic vaccines for cancer. Nat. Rev. Immunol. 18, 168–182 (2018).
[2]Andreatta, M. & Nielsen, M. Gapped sequence alignment using artificial neural networks: application to the MHC class I system. Bioinformatics 32, 511–517 (2016). [3]Calling cancer’s bluff with neoantigen vaccines， https://www.nature.com/articles/d41586-017-08706-3
[4] Ngoc Hieu Tran, Rui Qiao, Lei Xin, Xin Chen, Baozhen Shan，Ming Li， Personalized deep learning of individual immunopeptidomes to identify neoantigens for cancer vaccines， Nature Machine Intelligence, 2, pages764–771(2020)