跳到正文
bioRxiv· Hu, C.; Yu, C.; Chen, C. Y.-C.·· 来源仅提供日期精选AI 评分73

ImmuneTwins 构建数字孪生预测个体免疫轨迹

Digital twins forecast individual immune trajectories

AI 导读

研究团队提出 ImmuneTwins,利用单细胞数据并用每个个体的连续观测个性化共享虚拟细胞模型,以预测个体免疫状态变化。在两个外部人群中,其免疫年龄误差较现有最佳方法降低 32% 和 42%;在重复流感疫苗接种中,免疫细胞变化方向预测准确率比已发表最佳方法高 35%,误差随观测累积下降 27%。

推荐理由

ImmuneTwins 以个体连续观测个性化虚拟细胞模型,摘要给出跨人群误差下降和流感疫苗接种预测的对比结果。

预印本 · biorxiv · 10.64898/2026.10.23.761347

本站摘要基于收录版本 v1(2026-10-31),原始摘要与 AI 导读固定保留。

来源最近更新: · 来源 v1

摘要 · AI 翻译

人类免疫系统存在显著的个体差异,并会随感染、疫苗接种和治疗而发生变化。人工智能虚拟细胞正在被构建,用于模拟细胞对扰动的响应。然而,这些模型与大多数免疫响应预测模型一样,仅用单次攻击前测量来描述每个人,并基于跨人群汇总的模式来预测变化。数字孪生体则会随着个体的每一次新观测而更新,从而能够预测该个体免疫状态的变化。在此我们提出 ImmuneTwins,它通过用每个个体的观测数据对共享虚拟细胞模型进行个性化定制,从单细胞图谱中构建这些孪生体。在两个外部人群中,ImmuneTwins 将免疫年龄误差相对最佳现有方法分别降低了 32% 和 42%。在多次流感疫苗接种期间,其孪生体预测免疫细胞变化方向的准确率比已发表的最佳方法高出 35%,且随着观测数据的积累,其误差降低了 27%。这些孪生体揭示,免疫细胞和血浆蛋白在约 90 天内可恢复其偏离持久性个人参考基准约一半的程度,而响应幅度则因每次攻击而异。它们还定位了超长寿命人群中的 B 细胞重塑,并预测了骨髓瘤治疗期间患者特异性的免疫轨迹。这些结果确立了虚拟细胞数字孪生体在预测个体免疫变化和识别每个人特征性免疫特征方面的应用。

来源:bioRxiv · biorxiv.org