Российские ученые разработали математическую модель В-клеточного ответа для разработки лекарств

Исследователи Первого МГМУ им. И.М. Сеченова совместно с коллегами из Института вычислительной математики (ИВМ) РАН и биотехнологической компании «СимургФарм» разработали прогностическую математическую модель В-клеточного иммунного ответа. Инструмент предназначен для глубокого изучения патогенеза аутоиммунных заболеваний и детерминации новых терапевтических мишеней. Как сообщает официальный пресс-релиз Сеченовского Университета, опубликованный Газетой.Ru, внедрение модели позволит существенно ускорить доклинический этап разработки инновационных лекарственных средств и оптимизировать дизайн будущих клинических исследований.

Патогенетический базис и структура модели

В-лимфоциты являются центральным звеном гуморального иммунитета, обеспечивающим синтез специфических антител для нейтрализации патогенов. Однако при системных аутоиммунных патологиях — включая ревматоидный артрит, сахарный диабет 1-го типа и рассеянный склероз — данный механизм трансформируется в регуляторный сбой. Иммунокомпетентные клетки начинают экспрессировать аутоантитела, комплементарные к антигенам собственных тканей организма.

Разработанная математическая система детально описывает полный жизненный цикл В-лимфоцитов: от процессов лимфопоэза и поддержания гомеостатической численности до антигензависимой активации в периферических лимфоидных органах, последующей дифференцировки в плазматические клетки, миграции в костный мозг и компартментализации в тканях.

Ключевые факторы иммуногенности

Чувствительный анализ модели позволил верифицировать два доминирующих фактора, определяющих интенсивность и специфичность гуморального ответа. Основные детерминанты системы систематизированы в таблице:

Решение проблемы межиндивидуальной вариабельности

Одной из наиболее критических проблем при проектировании таргетной терапии аутоиммунных заболеваний остается высокая гетерогенность и индивидуальная изменчивость иммунного ответа у различных когорт пациентов. Это приводит к низкой эффективности стандартных терапевтических протоколов и высокой частоте резистентности к препаратам.

Применение вычислительной платформы на ранних этапах R&D (Research and Development) позволит отечественным фармпроизводителям проводить виртуальный скрининг кандидатов, осуществлять предиктивную оценку терапевтического ответа и внедрять принципы персонализированной медицины в клиническую практику.