疫苗接种在全球公共卫生中发挥着关键作用，但针对HIV、流感等复杂病原体的疫苗研发仍面临挑战。系统疫苗学为深入解析免疫反应机制并推动新型疫苗设计提供了助力。然而，目前相关研究规模有限，难以覆盖真实人群的多样性。未来亟需基于多疫苗平台和大规模人群的系统性研究，以更全面地揭示免疫反应的复杂性并促进更精准的疫苗开发。

近日，云南大学Bio-X交叉技术创新中心张子杰研究团队在hLife发表了题为“Decoding vaccine-induced immunity: From systems vaccinology to artificial intelligence-driven precision vaccines”的观点文章（图1）。研究团队在传统系统疫苗学的基础上，将宿主差异、疫苗特性和环境因素等关键变量纳入统一框架，并引入人工智能模型，构建了一个更全面、更精准的扩展系统疫苗学框架，为下一代疫苗研发提供新的动力（图2）。

图1 论文标题及作者信息

图2 扩展的系统疫苗学框架

疫苗的保护效果并非对所有人都相同。年龄、性别、遗传变异、代谢状态、微生物组组成等多维因素共同塑造个体的免疫应答。扩展的系统疫苗学框架强调将这些关键变量一同纳入分析体系，并借助单细胞测序、CyTOF、CITE-seq等高维免疫组学技术，精细描绘疫苗诱导的免疫细胞变化与调控网络，从而更全面地理解免疫保护的决定因素。

随着多模态高通量数据的爆炸式增长，免疫学研究已进入高维数据复杂性的时代。传统的分析方法往往难以捕捉这些大规模、异质性数据集中所蕴含的复杂且非线性的关系。人工智能（AI）的出现正在重塑疫苗设计模式。深度学习模型（如scGPT、GeneCompass）可跨组学整合数据，自动识别免疫关键因子；智能表位预测模型（NetMHCpan、MHCflurry）让抗原设计更精准，显著缩短开发周期；而AI虚拟细胞技术能在计算机中构建免疫细胞的功能状态，模拟体内免疫反应。这意味着未来的疫苗研发流程，从概念构建、候选筛选到优化设计，很可能首先在“虚拟免疫系统”中完成，再进入体内实验验证，大幅提高效率与成功率。

展望

人工智能驱动的系统疫苗学正在引领免疫学研究范式从描述性分析迈向预测性、机制性和规范化的疫苗设计。未来十年，人工智能、多组学分析与全球数据共享联盟的融合，有望催生虚拟免疫学——通过计算机模拟实验指导体内验证。这种协同效应将加速疫苗研发进程，优化剂量与加强免疫策略，并支持个性化免疫计划。实现这一愿景需要免疫学家、数据科学家、临床医生和政策制定者持续开展跨学科协作，确保计算创新转化为全球健康的切实进展。

作者简介

王蓉 博士研究生

第一作者

机构：中国科学院昆明动物研究所

研究方向：单细胞多组学与系统生物学

陈梦洁 副教授

通讯作者

机构：芝加哥大学医学系、人类遗传学系和统计学系

研究方向：癌症基因组学，单细胞测序分析与统计基因组学

成睿 助理研究员

通讯作者

机构：云南大学Bio-X交叉技术创新中心

研究方向：生物信息学与免疫信息学

张子杰 研究员

通讯作者

机构：云南大学Bio-X交叉技术创新中心

研究方向：疫苗与疾病系统生物学

引用格式：Wang R, Hu H, Chen Y, et al. Decoding vaccine-induced immunity: From systems vaccinology to artificial intelligence–driven precision vaccines. hLife 2025. https://doi.org/10.1016/j.hlife.2025.11.001