عندما يدخل فيروس إلى الجسم أو تظهر خلية سرطانية، تدخل الخلايا التائية — جنود الجهاز المناعي — إلى المسرح. لكل خلية تائية مستقبلها الخاص — جزيء يشبه القفل يبحث عن المفتاح المناسب: قطعة بروتين (ببتيد) على سطح الخلية المريضة. إذا تطابق المفتاح، تنشط الخلية التائية وتدمر العدو. لكن هناك مليارات الأقفال والمفاتيح، والتنبؤ بأي مستقبل سيعمل ضد ببتيد معين هو مهمة بالغة الصعوبة.

النماذج الحاسوبية تحاول حل هذه المشكلة بقراءة تسلسلات الأحماض الأمينية — الحروف التي تتكون منها البروتينات. النموذج الجديد ImmSET يعمل كمترجم يقظ: ينظر إلى مجموعة المستقبلات ومجموعة الببتيدات ويتعلم مطابقتها مع بعضها البعض. على عكس النماذج السابقة التي كانت تقارن الأزواج واحدًا تلو الآخر، يأخذ ImmSET المجموعة كاملة في الاعتبار دفعة واحدة — كما لو أن المترجم لا يستمع إلى الجمل الفردية بل إلى الحوار بأكمله.

اختبر العلماء النموذج على بيانات بأحجام وتركيبات مختلفة. اتضح أنه كلما زادت أمثلة التدريب، زادت دقة التنبؤات — مثل طالب يحل المزيد والمزيد من المسائل. مع كمية كافية من البيانات، تفوق ImmSET حتى على AlphaFold2 وAlphaFold3 — النموذجين الشهيرين اللذين يتنبآن بأشكال البروتينات. هذا يعني أنه لمهمة "التعرف"، ليس الشكل فقط هو المهم، بل نص التسلسل نفسه.

هذا النهج مفيد ليس فقط في علم المناعة. أي مهمة تتطلب مطابقة مجموعات من التسلسلات البيولوجية — مثل تفاعل الإنزيمات أو الجزيئات الإشارية — يمكن أن تستفيد من نموذج يرى الصورة كاملة. وبالنسبة للطب، هذه خطوة نحو اختيار العلاج بالنظر إلى "جواز السفر المناعي" الفريد للمريض.