本周，牛津大学的研究团队推出了一项创新性研究，提出了一种新颖的方法，通过将机器学习技术应用于质谱数据，成功区分真实疫苗与伪造疫苗。这一方法在识别以往进入供应链的多种正品和假冒疫苗方面表现出色。

研究结果展示了一种可扩展的概念验证方法，以应对全球对更高效疫苗供应链筛查的迫切需求。其主要优势在于，利用了已经在全球范围内应用于医疗诊断的临床质谱仪。

随着全球人口对疫苗的依赖日益增加，每年在全球免疫计划中使用数十亿剂疫苗。绝大多数疫苗的质量都很高，但不合格和伪造疫苗的增加对全球公共卫生构成威胁。这些疫苗不仅无法有效治疗预期疾病，还可能导致严重健康后果，包括死亡，并削弱公众对疫苗的信任。目前尚无全球性基础设施，能够利用开发的筛查方法来监测无效疫苗的供应链。

在这项新研究中，研究人员开发并验证了一种方法，利用医院微生物实验室中用于细菌识别的仪器来区分真假疫苗。该方法基于基质辅助激光解吸/电离-质谱法(MALDI-MS)，通过对分子充电并分离它们来识别样品成分。随后，将MALDI-MS分析与开源机器学习结合，形成一个可靠的多成分模型，能够区分真实和伪造的疫苗，而不依赖于单一标记物或化学成分。

该方法成功地区分了多种真实疫苗，包括流感疫苗、乙型肝炎疫苗和脑膜炎球菌疫苗，以及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·麦卡拉格教授表示：“我们很高兴看到这种方法的有效性，以及它在实际应用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，致力于开发和评估用于检测伪造和不合格疫苗的创新设备。

这项研究“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”已在npj Vaccines上发表。

该研究得到了橡树基金会、威康信托基金会和两个匿名慈善家族的资助。

研究由牛津大学化学系和生物化学系质谱研究中心的团队领导，属于一个研究联盟，该联盟还包括来自牛津大学哈韦尔STFC卢瑟福·阿普尔顿实验室及牛津大学化学、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。