Sekvenování lidského genomu a hluboké učení by mohlo vést k vakcíně proti koronaviru – názor

Komunita umělé inteligence musí spolupracovat s genetiky při hledání léčby pro ty, kteří jsou nejvíce ohroženi koronavirem. Potenciální léčba by mohla spočívat v odstranění buněk člověka, úpravě DNA a následném zpětném injektování buněk, doufajíce, že budou vybaveny úspěšnou imunitní odpovědí. To se目前 pracuje i pro některé jiné vakcíny.

Prvním krokem by bylo sekvenování celého lidského genomu z významné části lidské populace.

Sekvenování lidských genomů

Sekvenování prvního lidského genomu stálo 2,7 miliardy dolarů a trvalo téměř 15 let. Současná cena sekvenování celého lidského genomu dramaticky klesla. V roce 2015 byla cena 4000 dolarů, nyní je cena nižší než 1000 dolarů na osobu. Tato cena by mohla klesnout o několik procentních bodů, pokud se vezmou v úvahu ekonomie rozsahu.

Potřebujeme sekvenovat genomy dvou různých typů pacientů:

1. Infikován koronavirem, ale zdravý
2. Infikován koronavirem, ale s špatnou imunitní odpovědí

Je nemožné předpovědět, který datový bod bude nejvíce cenný, ale každý sekvenovaný genom by poskytl datový soubor. Čím více dat, tím více možností najít variace DNA, které zvyšují odolnost těla vůči chorobě.

Státy目前 ztrácejí kvůli této epidemii trillions dolarů, cena 1000 dolarů za lidský genom je v porovnání s tím zanedbatelná. Minimálně 1000 dobrovolníků pro obě skupiny populace by poskytlo výzkumníkům významné množství velkých dat. Pokud by se velikost studie zvýšila o jeden řád, umělá inteligence by měla ještě více trénovacích dat, což by zvýšilo šance na úspěch o několik řádů. Čím více dat, tím lépe, a proto by se mělo cílit na 10 000 dobrovolníků.

Strojové učení

Zatímco by byly přítomny multiple funkcionality strojového učení, hluboké učení by se používalo k nalezení vzorců v datech. Například by mohla být pozorována skutečnost, že certain variace DNA odpovídají vysoké imunitě, zatímco jiné odpovídají vysoké mortalitě. Minimálně by se dozvěděli, které segmenty lidské populace jsou více náchylné a měly by být karanténovány.

Pro rozluštění těchto dat by byl umístěn na cloud umělý neuronový síť (ANN) a sekvenované lidské genomy z celého světa by byly nahrány. Vzhledem k tomu, že čas je zásadní, paralelní výpočet sníží čas potřebný pro ANN, aby provedl své kouzlo.

Mohli bychom dokonce jít o krok dále a použít výstupní data seřazená ANN a nakrmit je do samostatného systému nazvaného Recurrent Neural Network (RNN). RNN používá upevňující se učení, aby identifikoval, který gen vybraný počátečním ANN je nejúspěšnější v simulovaném prostředí. Upevňující se agent by gamifikoval celý proces vytváření simulovaného prostředí, aby otestoval, které změny DNA jsou více efektivní.

Simulované prostředí je jako virtuální herní prostředí, něco, co mnoho společností umělé inteligence je dobře vybaveno využít na základě jejich předchozích úspěchů v navrhování algoritmů umělé inteligence pro vítězství v esportech. To zahrnuje společnosti jako DeepMind a OpenAI.

Tyto společnosti mohou využít svou základní architekturu optimalizovanou pro mistrovství ve videohrách, aby vytvořily simulované prostředí, otestovaly úpravy genů a naučily se, které úpravy vedou ke konkrétním požadovaným změnám.

Jakmile je identifikován gen, používá se další technologie k provedení úprav.

CRISPR

Nedávno byla schválena první studie, která používá CRISPR k úpravě DNA uvnitř lidského těla. To bylo pro léčbu vzácného typu genetického onemocnění, které postihuje jednoho z 100 000 novorozenců. Podmínka může být způsobena mutacemi v až 14 genech, které hrají roli ve vývoji a fungování sítnice. V tomto případě CRISPR cílí na DNA a způsobuje malé dočasné poškození DNA řetězce, což vede k tomu, že buňka opraví sama sebe. Je to tento restorativní proces, který má potenciál obnovit zrak.

Zatímco čekáme na výsledky, zda tato léčba bude fungovat, precedent schválení CRISPR pro testy v lidském těle je transformační. Potenciální poruchy, které lze léčit, zahrnují zlepšení imunitní odpovědi těla na konkrétní choroboplodné činitele.

Potenciálně můžeme manipulovat přirozenou genetickou odolností těla vůči konkrétní chorobě. Choroby, které lze potenciálně cílit, jsou rozmanité, ale komunita by se měla soustředit na léčbu nové globální epidemie koronaviru. Hrozba, která by, pokud by nebyla zadržena, mohla vést k rozsudku smrti pro velkou část naší populace.

ZÁVĚREČNÉ MYŠLENKY

Zatímco existuje mnoho potenciálních možností, jak dosáhnout úspěchu, bude vyžadovat, aby se genetici, epidemiologové a specialisté na strojové učení sjednotili. Potenciální léčebná možnost může být popsána výše, nebo může být odhalena jako zcela odlišná, příležitost spočívá v sekvenování genomu velké části populace.

Hluboké učení je nejlepším analytickým nástrojem, který lidé kdy vytvořili; měli bychom se alespoň pokusit ho použít k vytvoření vakcíny.

Když vezmeme v úvahu, co je目前 ohroženo touto epidemií, tyto tři vědecké komunity potřebují spolupracovat, aby našly léčbu.