在《自然生物技术》上发表的新数据代表了对免疫细胞信号研究的最大规模分析，绘制了3000多个以前未列出的细胞相互作用的图谱，并产生了有史以来第一个以免疫为中心的模块化疾病分类。这些数据可用来重写有关以免疫为重点的细胞间通讯和疾病关系的参考书。

免疫系统是高度复杂和动态的，每30分钟发布一次新的免疫学论文，人类没有实际的方法来应对这一领域的庞大规模和多样性。随着数据量的增长，机器学习方法将是充分利用所有努力来促进免疫学和科学发展的唯一实际方法。

标准化和背景化整个细胞-细胞因子之间的关系对我们扩大对免疫系统的了解至关重要。基于这个精选的知识库，通过验证的预测技术的应用，产生了355个关于全新细胞-细胞因子相互作用的假说。

仅这些一项就代表了对现有免疫系统知识有更好的背景理解而产生的发现。当此类知识可以与其他丰富的数据源和AI技术集成在一起，从而在抗击疾病中产生重要的新线索时，这种潜力就变得更加强大。

“鉴于免疫系统在疾病中起主要作用，以免疫为中心的观点使我们对疾病的机制有了更好的了解。” Shai Shen-Orr教授，CytoReason首席科学家和Technion系统免疫学总监说。“这些数据表明，仅通过对现有论文进行挖掘和学习，就可以进行有价值的，经过验证的预测。当您将其与其他预测技术和其他数据集集成时，此功能将呈指数增长。”

“这项重要的工作改变了当您干扰特定于疾病或组织的特定受体，分子或细胞时可以预测的范例。这项工作与我们的以细胞为中心的模型相结合，不仅描述了什么发生在细胞等之间，但也定义了谁发起和谁对其进行作用-这是CytoReason建立的独特3D免疫系统视图的关键。”