image: Researchers at The University of Tokyo use the mathematics of adaptive learning and artificial intelligence to describe how T helper cells adjust the response of the vertebrate immune system, which may lead to new vaccines and treatments for infections view more
Credit: Institute of Industrial Science, the University of Tokyo
免疫は我々の体を病原体などから防御するシステムである。特に多様で未知な病原体を認識し、また過去の感染を記憶して適応する機能を有する。これまで免疫に関わる様々な細胞や分子が見いだされてきたものの、それらの集合体がどういう原理で外敵を学習し的確な免疫応答を実現しているのかは、免疫系の複雑さから十分には理解されていない。
東京大学 大学院情報理工学系研究科 修士課程2年の加藤 卓也 大学院生（研究当時）と同生産技術研究所の小林 徹也 准教授は、人工知能分野で発展の著しい強化学習の理論を応用し、免疫系が過去の感染経験から学習をする過程を扱う新しい理論を構築した。この理論により、免疫学で古典的に知られるクローン選択（免疫認識に貢献する免疫細胞が体内で増え、貢献しない細胞が減少することで免疫学習が実現するメカニズム）が、強化学習の学習ルールの一種とみなせることが示された。またこの理論から、実験的に計測された免疫細胞の集団分布の性質が再現された。本結果は、免疫系を脳と類似の生体学習システムとして捉え、その複雑かつ非直感的な振る舞いを包括・予測する理論基盤へと発展することが期待される。
###
本研究成果は、２０２１年３月９日にAmerican Physical Societyによる「Physical Review Research」に掲載された。
Journal
Physical Review Research