Menneskegensekvensering og dyb læring kan føre til en coronavirus-vaccine – Mening

AI-samfundet må samarbejde med genetikere for at finde en behandling for dem, der er mest udsat for coronavirus. En potentiel behandling kunne indebære at fjerne en persons celler, redigere DNA’et og derefter injicere cellerne igen, nu med en vellykket immunrespons. Dette arbejdes på i øjeblikket for visse andre vacciner her.

Det første skridt ville være at sekventere hele det menneskelige genom fra en større del af befolkningen.

Sekventering af menneskelige genomer

Sekventeringen af det første menneskelige genom kostede 2,7 milliarder dollars og tog næsten 15 år at gennemføre. Den nuværende pris for at sekventere et helt menneske er faldet dramatisk. Så sent som i 2015 var prisen 4.000 dollars, nu er prisen under 1.000 dollars per person. Denne pris kan falde yderligere, når der tages hensyn til økonomien af skala.

Vi har brug for at sekventere genomet af to forskellige typer patienter:

1. Inficeret med coronavirus; men sund
2. Inficeret med coronavirus; men dårlig immunrespons

Det er umuligt at forudsige, hvilken datapunkt der vil være mest værdifuld, men hvert sekventeret genom vil give en dataset. Jo mere data, desto flere muligheder er der for at finde DNA-variationer, der øger kroppens modstandskraft over for sygdomsvektoren.

Nationer taber i øjeblikket trillioner af dollars på denne epidemi, og prisen på 1.000 dollars per menneskeligt genom er minimal i sammenligning. Et minimum på 1.000 frivillige for begge segmenter af befolkningen ville udstyre forskerne med betydelige mængder af big data. Hvis forsøget øges med en størrelsesorden, vil AI have endnu mere træningsdata, hvilket vil øge sandsynligheden for succes med flere størrelsesordener. Jo mere data, desto bedre, og derfor burde et mål på 10.000 frivillige sigtes efter.

Maskinlæring

Mens multiple funktioner af maskinlæring vil være til stede, vil dyb læring blive brugt til at finde mønstre i data. For eksempel kan der være en observation af, at visse DNA-variabler svarer til en høj immunitet, mens andre svarer til en høj dødelighed. Som minimum vil vi lære, hvilke segmenter af befolkningen er mere udsatte og bør være i karantæne.

For at afkode denne data vil en kunstig neuralt netværk (ANN) blive placeret på cloud, og sekventerede menneskelige genomer fra hele verden vil blive uploadet. Med tiden som værende afgørende, vil parallel computing reducere den tid, der er nødvendig for ANN at arbejde sin magi.

Vi kunne endda tage det et skridt videre og bruge outputdata sorteret af ANN og føde det ind i et separat system kaldet et Recurrent Neural Network (RNN). RNN bruger forstærkningslæring til at identificere, hvilken gen valgt af den oprindelige ANN er mest succesfuld i en simuleret miljø. Forstærkningslæringsagenten vil gamificere hele processen med at oprette en simuleret miljø, for at teste hvilke DNA-ændringer er mere effektive.

En simuleret miljø er som en virtuel spilmiljø, noget mange AI-virksomheder er godt positioneret til at udnytte på grund af deres tidligere succes med at designe AI-algoritmer til at vinde i e-sport. Dette inkluderer virksomheder som DeepMind og OpenAI.

Disse virksomheder kan bruge deres underliggende arkitektur, der er optimeret til at mestre videospil, til at oprette en simuleret miljø, teste genændringer og lære, hvilke ændringer fører til bestemte ønskede ændringer.

Når en gen er identificeret, bruges en anden teknologi til at lave ændringerne.

CRISPR

For nylig blev den første studie, der bruger CRISPR til at redigere DNA inden for det menneskelige legeme, godkendt. Dette var for at behandle en sjælden type genetisk lidelse, der påvirker en af hver 100.000 nyfødte. Tilstanden kan være forårsaget af mutationer i op til 14 gener, der spiller en rolle i væksten og funktionen af nethinden. I dette tilfælde søger CRISPR at målrette DNA og forårsage let, midlertidig skade på DNA-strengen, hvilket får cellen til at reparere sig selv. Det er denne restorative helingsproces, der har potentialet til at genskabe synet.

mens vi stadig venter på resultater om, hvorvidt denne behandling vil virke, er præcedensen for at have CRISPR godkendt for forsøg i det menneskelige legeme transformationel. Potentielle lidelser, der kan behandles, inkluderer forbedring af kroppens immunrespons over for bestemte sygdomsvektorer.

Potentielt kan vi manipulere kroppens naturlige genetiske modstand over for en bestemt sygdom. De sygdomme, der potentielt kan være mål, er diverse, men samfundet bør fokusere på behandlingen af den nye globale epidemi coronavirus. En trussel, der hvis den ikke standses, kan føre til en dødsdom for en stor procentdel af vores befolkning.

SLUTTENDE TANKER

mens der er mange potentielle muligheder for at opnå succes, vil det kræve, at genetikere, epidemiologer og maskinlærings-specialister samarbejder. En potentiel behandlingsmulighed kan være, som beskrevet ovenfor, eller kan vise sig at være utænkelig anderledes, muligheden ligger i sekventeringen af genomet af en stor del af befolkningen.

Dyb læring er det bedste analyseværktøj, som mennesker nogensinde har skabt; vi må i det mindste forsøge at bruge det til at skabe en vaccine.

Når vi tager i betragtning, hvad der i øjeblikket er på spil med denne epidemi, skal disse tre videnskabelige samfund samarbejde om at finde en kur.