本周发表的由牛津大学研究人员领导的研究描述了一种首创的方法，能够通过将机器学习应用于质谱数据来区分真实和伪造的疫苗。事实证明，这种方法在区分以前发现进入供应链的一系列正品和“伪造”疫苗方面是有效的。

　　这项研究的结果提供了一种概念验证方法，可以扩大规模，以满足对更有效的全球疫苗供应链筛查的迫切需求。一个关键的好处是，它使用了已经在全球分布的临床质谱仪进行医疗诊断。

　　全球人口越来越依赖疫苗来维持人口健康，每年在全球免疫规划中使用数十亿剂疫苗。绝大多数疫苗的质量都很好。然而，不合格和伪造疫苗的增加威胁着全球公共卫生。这些疫苗除了不能治疗预期的疾病外，还可能造成严重的健康后果，包括死亡，并降低人们对疫苗的信心。不幸的是，目前还没有全球性的基础设施，可以利用为识别无效疫苗而开发的筛查方法来监测供应链。

　　在这项新研究中，研究人员开发并验证了一种方法，该方法能够使用医院微生物实验室中用于识别细菌的仪器来区分真假疫苗。该方法是基于基质辅助激光解吸/电离-质谱法(MALDI-MS)，一种通过给组成分子充电然后分离它们来识别样品成分的技术。然后将MALDI-MS分析与开源机器学习相结合。这提供了一个可靠的多成分模型，可以区分真实和伪造的疫苗，而不依赖于单一的标记物或化学成分。

　　该方法成功地区分了一系列真正的疫苗——包括流感疫苗、乙型肝炎病毒疫苗和脑膜炎球菌病疫苗——和通常用于伪造疫苗的溶液，如氯化钠。

　　牛津大学化学系生物化学教授、该研究的共同负责人詹姆斯·麦卡拉格教授说:“我们很高兴看到这种方法的有效性，以及它在现实世界中用于疫苗真实性筛查的潜力。”这是疫苗身份评估(VIE)联盟的一个重要里程碑，该联盟在包括世界卫生组织(世卫组织)、药品监管机构和疫苗制造商在内的多个研究伙伴的支持下，专注于开发和评估用于检测伪造和不合格疫苗的创新设备。

　　该研究“使用矩阵辅助激光解吸电离质谱结合机器学习进行疫苗真实性筛选”已发表在npj Vaccines上。

　　这项研究是由橡树基金会、威康信托基金会和世界卫生组织这两个匿名慈善家族资助的。

　　该研究由牛津大学化学系和生物化学系质谱研究中心的一个团队领导，是一个研究联盟的一部分，该研究联盟包括来自牛津大学哈韦尔STFC卢瑟福·阿普尔顿实验室以及牛津大学化学、生物化学系和纳菲尔德医学中心全球健康研究中心的团队。