Η αλληλουχία του ανθρώπινου γονιδιώματος και η βαθιά μάθηση θα μπορούσαν να οδηγήσουν σε ένα εμβόλιο για τον κοροναϊό - Γνώμη

Η κοινότητα της τεχνητής νοημοσύνης πρέπει να συνεργαστεί με γενετιστές, για την εξεύρεση θεραπείας για εκείνους που θεωρούνται ότι κινδυνεύουν περισσότερο από τον κοροναϊό. Μια πιθανή θεραπεία θα μπορούσε να περιλαμβάνει την αφαίρεση των κυττάρων ενός ατόμου, την επεξεργασία του DNA και στη συνέχεια την επανένεση των κυττάρων, τώρα ελπίζουμε να οπλιστούν με μια επιτυχημένη ανοσολογική απόκριση. Αυτό συμβαίνει αυτήν τη στιγμή δούλεψε για κάποια άλλα εμβόλια.

Το πρώτο βήμα θα ήταν η αλληλουχία ολόκληρου του ανθρώπινου γονιδιώματος από ένα σημαντικό τμήμα του ανθρώπινου πληθυσμού.

Αλληλουχία Ανθρώπινων Γονιδιωμάτων

Η αλληλούχιση του πρώτου ανθρώπινου γονιδιώματος κόστισε 2.7 δισεκατομμύρια δολάρια και χρειάστηκε σχεδόν 15 χρόνια για να ολοκληρωθεί. Το τρέχον κόστος της αλληλουχίας ενός ολόκληρου ανθρώπου έχει μειωθεί δραματικά. Μόλις το 2015 το κόστος ήταν 4000 $, τώρα το κόστος είναι λιγότερο από 1000 $ ανά άτομο. Αυτό το κόστος θα μπορούσε να μειωθεί μερικές ποσοστιαίες μονάδες περισσότερο όταν ληφθούν υπόψη οι οικονομίες κλίμακας.

Πρέπει να προσδιορίσουμε την αλληλουχία του γονιδιώματος δύο διαφορετικών τύπων ασθενών:

1. Έχει μολυνθεί από κορωνοϊό. αλλά υγιής
2. Έχει μολυνθεί από κορωνοϊό. αλλά φτωχή ανοσολογική απόκριση

Είναι αδύνατο να προβλεφθεί ποιο σημείο δεδομένων θα είναι πιο πολύτιμο, αλλά κάθε γονιδίωμα αλληλουχίας θα παρείχε ένα σύνολο δεδομένων. Όσο περισσότερα δεδομένα, τόσο περισσότερες επιλογές υπάρχουν για τον εντοπισμό παραλλαγών του DNA που αυξάνουν την αντίσταση ενός σώματος στον φορέα της νόσου.

Τα έθνη χάνουν αυτήν τη στιγμή τρισεκατομμύρια δολάρια από αυτό το ξέσπασμα, το κόστος των 1000 δολαρίων για ένα ανθρώπινο γονιδίωμα είναι μικρό σε σύγκριση. Τουλάχιστον 1,000 εθελοντές και για τα δύο τμήματα του πληθυσμού θα οπλίσει τους ερευνητές με σημαντικό όγκο δεδομένων. Εάν η δοκιμή αυξηθεί σε μέγεθος κατά μία τάξη μεγέθους, η τεχνητή νοημοσύνη θα είχε ακόμη περισσότερα δεδομένα εκπαίδευσης που θα αύξαναν τις πιθανότητες επιτυχίας κατά πολλές τάξεις μεγέθους. Όσο περισσότερα δεδομένα τόσο το καλύτερο, γι' αυτό θα πρέπει να στοχεύσουμε σε 10,000 εθελοντές.

Μηχανική μάθηση

Ενώ θα υπήρχαν πολλές λειτουργίες της μηχανικής μάθησης, η βαθιά μάθηση θα χρησιμοποιηθεί για την εύρεση προτύπων στα δεδομένα. Για παράδειγμα, μπορεί να υπάρχει μια παρατήρηση ότι ορισμένες μεταβλητές DNA αντιστοιχούν σε υψηλή ανοσία, ενώ άλλες αντιστοιχούν σε υψηλή θνησιμότητα. Τουλάχιστον θα μάθαμε ποια τμήματα του ανθρώπινου πληθυσμού είναι πιο ευαίσθητα και θα έπρεπε να τεθούν σε καραντίνα.

Για την αποκρυπτογράφηση αυτών των δεδομένων, ένα Τεχνητό Νευρωνικό Δίκτυο (ANN) θα τοποθετηθεί στο σύννεφο και θα μεταφορτωθούν ανθρώπινα γονιδιώματα από όλο τον κόσμο. Με τον καιρό είναι ουσιαστικό, ο παράλληλος υπολογισμός θα μειώσει τον χρόνο που απαιτείται για το ANN να κάνει τα μαγικά του.

Θα μπορούσαμε ακόμη και να το πάμε ένα βήμα παραπέρα και να χρησιμοποιήσουμε τα δεδομένα εξόδου ταξινομημένα από το ANN και να τα τροφοδοτήσουμε σε ένα ξεχωριστό σύστημα που ονομάζεται Επαναλαμβανόμενο νευρωνικό δίκτυο (RNN). Το RNN χρησιμοποιεί ενισχυτική μάθηση για να προσδιορίσει ποιο γονίδιο που επιλέγεται από το αρχικό ANN είναι πιο επιτυχημένο σε ένα προσομοιωμένο περιβάλλον. Ο παράγοντας ενίσχυσης εκμάθησης θα παιχνιδοποιούσε ολόκληρη τη διαδικασία δημιουργίας ενός προσομοιωμένου σκηνικού, για να ελέγξει ποιες αλλαγές στο DNA είναι πιο αποτελεσματικές.

Ένα περιβάλλον προσομοίωσης είναι σαν ένα εικονικό περιβάλλον παιχνιδιού, κάτι που πολλές εταιρείες τεχνητής νοημοσύνης είναι σε θέση να επωφεληθούν από την προηγούμενη επιτυχία τους στο σχεδιασμό αλγορίθμων τεχνητής νοημοσύνης για να κερδίσουν στα esports. Αυτό περιλαμβάνει εταιρείες όπως Deepmind και OpenAI.

Αυτές οι εταιρείες μπορούν να χρησιμοποιήσουν την υποκείμενη αρχιτεκτονική τους, βελτιστοποιημένη για τον έλεγχο των βιντεοπαιχνιδιών, για να δημιουργήσουν ένα διεγερμένο περιβάλλον, να δοκιμάσουν επεξεργασίες γονιδίων και να μάθουν ποιες επεξεργασίες οδηγούν σε συγκεκριμένες επιθυμητές αλλαγές.

Μόλις εντοπιστεί ένα γονίδιο, χρησιμοποιείται μια άλλη τεχνολογία για να γίνουν οι τροποποιήσεις.

CRISPR

Πρόσφατα, η πρώτη μελέτη που χρησιμοποιεί Εγκρίθηκε το CRISPR για την επεξεργασία DNA μέσα στο ανθρώπινο σώμα. Αυτό έγινε για τη θεραπεία ενός σπάνιου τύπου γενετικής διαταραχής που επηρεάζει ένα στα 100,000 νεογνά. Η πάθηση μπορεί να προκληθεί από μεταλλάξεις σε έως και 14 γονίδια που παίζουν ρόλο στην ανάπτυξη και τη λειτουργία του αμφιβληστροειδούς. Σε αυτήν την περίπτωση, το CRISPR ξεκινά να στοχεύει προσεκτικά το DNA και να προκαλέσει ελαφρά προσωρινή βλάβη στον κλώνο του DNA, αναγκάζοντας το κύτταρο να επισκευαστεί. Είναι αυτή η επανορθωτική θεραπευτική διαδικασία που έχει τη δυνατότητα να αποκαταστήσει την όραση.

Ενώ ακόμα περιμένουμε αποτελέσματα σχετικά με το εάν αυτή η θεραπεία θα λειτουργήσει, το προηγούμενο της έγκρισης του CRISPR για δοκιμές στο ανθρώπινο σώμα είναι μεταμορφωτικό. Οι πιθανές διαταραχές που μπορούν να αντιμετωπιστούν περιλαμβάνουν τη βελτίωση της ανοσολογικής απόκρισης του οργανισμού σε συγκεκριμένους φορείς ασθενειών.

Δυνητικά, μπορούμε να χειριστούμε τη φυσική γενετική αντίσταση του οργανισμού σε μια συγκεκριμένη ασθένεια. Οι ασθένειες που θα μπορούσαν να στοχοποιηθούν είναι ποικίλες, αλλά η κοινότητα θα πρέπει να επικεντρωθεί στη θεραπεία της νέας παγκόσμιας επιδημίας κορωνοϊού. Μια απειλή που αν δεν ελεγχθεί θα μπορούσε να οδηγήσει σε θανατική ποινή σε μεγάλο ποσοστό του πληθυσμού μας.

ΤΕΛΙΚΕΣ ΣΚΕΨΕΙΣ

Ενώ υπάρχουν πολλές πιθανές επιλογές για την επίτευξη επιτυχίας, θα απαιτηθεί η ενοποίηση των γενετιστών, των επιδημιολόγων και των ειδικών της μηχανικής μάθησης. Μια πιθανή θεραπευτική επιλογή μπορεί να είναι όπως περιγράφεται παραπάνω, ή μπορεί να αποκαλυφθεί ότι είναι αφάνταστα διαφορετική, η ευκαιρία βρίσκεται στην αλληλουχία του γονιδιώματος ενός μεγάλου τμήματος του πληθυσμού.

Η βαθιά μάθηση είναι το καλύτερο εργαλείο ανάλυσης που έχουν δημιουργήσει ποτέ οι άνθρωποι. πρέπει να προσπαθήσουμε τουλάχιστον να το χρησιμοποιήσουμε για να δημιουργήσουμε ένα εμβόλιο.

Όταν λάβουμε υπόψη τι κινδυνεύει αυτή τη στιγμή με αυτήν την τρέχουσα επιδημία, αυτές οι τρεις επιστημονικές κοινότητες πρέπει να ενωθούν για να εργαστούν για μια θεραπεία.