Ανάπτυξη γενετικού χάρτη και βαθιά μάθηση για την κατασκευή εμβολίου κατά του κορονοϊού – Γνώμη

Η κοινότητα του AI πρέπει να συνεργαστεί με γενετιστές για την αναζήτηση θεραπείας για εκείνους που θεωρούνται πιο ευάλωτοι στο κορονοϊό. Μια πιθανή θεραπεία θα μπορούσε να περιλαμβάνει την αφαίρεση των κυττάρων ενός ατόμου, την επεξεργασία του DNA και στη συνέχεια την ένεση των κυττάρων πίσω, με την ελπίδα ότι θα έχει μια επιτυχημένη ανοσοαπόκριση. Αυτό γίνεται ήδη για κάποια άλλα εμβόλια.

Ο πρώτος βήμας θα ήταν η ανάλυση του ολόκληρου ανθρώπινου γονιδιώματος από ένα σημαντικό τμήμα του ανθρώπινου πληθυσμού.

Ανάπτυξη ανθρώπινου γονιδιώματος

Η ανάπτυξη του πρώτου ανθρώπινου γονιδιώματος κόστισε 2,7 δισεκατομμύρια δολάρια και χρειάστηκε σχεδόν 15 χρόνια για να ολοκληρωθεί. Το τρέχον κόστος της ανάλυσης του ολόκληρου ανθρώπινου γονιδιώματος έχει μειωθεί δραματικά. Το 2015, το κόστος ήταν 4.000 δολάρια, τώρα το κόστος είναι λιγότερο από 1.000 δολάρια ανά άτομο. Αυτό το κόστος θα μπορούσε να μειωθεί ακόμη περισσότερο όταν θα ληφθούν υπόψη οι οικονομίες κλίμακας.

Χρειαζόμαστε να αναλύσουμε το γονιδίωμα δύο διαφορετικών τύπων ασθενών:

1. Μολυσμένοι με κορονοϊό, αλλά υγιείς
2. Μολυσμένοι με κορονοϊό, αλλά με κακή ανοσοαπόκριση

Είναι αδύνατο να προβλεφθεί ποιο δεδομένο θα είναι το πιο πολύτιμο, αλλά κάθε αναλυμένο γονιδίωμα θα παρέχει ένα σύνολο δεδομένων. Όσο περισσότερα δεδομένα, τόσο περισσότερες επιλογές υπάρχουν για την ανίχνευση γενετικών παραλλαγών που αυξάνουν την αντίσταση του σώματος στο病ήσιμο.

Οι χώρες χάνουν τώρα τρισεκατομμύρια δολάρια λόγω αυτής της επιδημίας, το κόστος των 1.000 δολαρίων για το ανθρώπινο γονιδίωμα είναι ελάχιστο σε σύγκριση. Ένα ελάχιστο των 1.000 εθελοντών για cả τους δύο τύπους του πληθυσμού θα παρέχει στους ερευνητές σημαντικές ποσότητες μεγάλων δεδομένων. Αν η δοκιμή αυξήσει σε μέγεθος κατά μία τάξη μεγέθους, το AI θα έχει ακόμη περισσότερα δεδομένα εκπαίδευσης, τα οποία θα αυξήσουν τις πιθανότητες επιτυχίας κατά πολλές τάξεις μεγέθους. Όσο περισσότερα δεδομένα, τόσο καλύτερα, γι’ αυτό πρέπει να στοχεύουμε τους 10.000 εθελοντές.

Μηχανική μάθηση

Ενώ θα υπάρχουν πολλές λειτουργίες της μηχανικής μάθησης, η βαθιά μάθηση θα χρησιμοποιηθεί για την ανίχνευση μοτίβων στα δεδομένα. Για παράδειγμα, μπορεί να παρατηρηθεί ότι ορισμένες γενετικές παραλλαγές αντιστοιχούν σε υψηλή ανοσία, ενώ άλλες αντιστοιχούν σε υψηλή θνησιμότητα. Τουλάχιστον θα μάθουμε ποιες περιοχές του πληθυσμού είναι πιο ευάλωτες και πρέπει να τεθούν σε καραντίνα.

Για να αποκρυπτογραφηθούν αυτά τα δεδομένα, ένα τεχνητό νευρωνικό δίκτυο (ANN) θα τοποθετηθεί στο cloud και θα ανεβαίνουν τα ανθρώπινα γονιδιώματα από όλο τον κόσμο. Με την passage του χρόνου, η παράλληλη επεξεργασία θα μειώσει τον χρόνο που απαιτείται για το ANN να κάνει την μαγική του.

Μπορούμε ακόμη και να το πάρουμε ένα βήμα παραπέρα και να χρησιμοποιήσουμε τα εξοδομένα δεδομένα που ταξινομούνται από το ANN και να τα δώσουμε σε ένα ξεχωριστό σύστημα που ονομάζεται Επαναλαμβανόμενο Νευρωνικό Δίκτυο (RNN). Το RNN χρησιμοποιεί ενισχυτική μάθηση για την ανίχνευση ποίου γονιδίου που επιλέχθηκε από το αρχικό ANN είναι το πιο επιτυχημένο σε ένα προσομοιωμένο περιβάλλον. Ο एजέντης ενισχυτικής μάθησης θα παιχνιδοποιήσει ολόκληρη τη διαδικασία της δημιουργίας ενός προσομοιωμένου περιβάλλοντος, για να δοκιμάσει ποιες γενετικές αλλαγές είναι πιο αποτελεσματικές.

Ένα προσομοιωμένο περιβάλλον είναι σαν ένα εικονικό περιβάλλον παιχνιδιού, κάτι που πολλές εταιρείες AI είναι καλά τοποθετημένες να επωφεληθούν από την προηγούμενη επιτυχία τους στην σχεδίαση αλγορίθμων AI για να κερδίσουν στο esports. Αυτό περιλαμβάνει εταιρείες όπως DeepMind και OpenAI.

Αυτές οι εταιρείες μπορούν να χρησιμοποιήσουν την υποκείμενη αρχιτεκτονική που έχει βελτιστοποιηθεί για την εξάσκηση βιντεοπαιχνιδιών, για να δημιουργήσουν ένα προσομοιωμένο περιβάλλον, να δοκιμάσουν γενετικές αλλαγές και να μάθουν ποιες αλλαγές οδηγούν σε συγκεκριμένες επιθυμητές αλλαγές.

Μόλις αναγνωριστεί ένα γονίδιο, μια άλλη τεχνολογία χρησιμοποιείται για να κάνει τις αλλαγές.

CRISPR

Πρόσφατα, η πρώτη μελέτη που χρησιμοποιεί CRISPR για την επεξεργασία του DNA μέσα στο ανθρώπινο σώμα εγκρίθηκε. Αυτό ήταν για την θεραπεία μιας σπάνιας γενετικής διαταραχής που επηρεάζει ένα ανά 100.000 νεογνά. Η κατάσταση μπορεί να προκληθεί από μεταλλάξεις σε έως και 14 γονίδια που παίζουν ρόλο στην ανάπτυξη και λειτουργία της ρετίνας. Σε αυτή την περίπτωση, το CRISPR στοχεύει προσεκτικά στο DNA και προκαλεί ελαφριά προσωρινή ζημιά στο DNA, προκαλώντας την αυτοθεραπεία του κυττάρου. Αυτή η αναστρεπτική διαδικασία έχει το δυναμικό να αποκαταστήσει την όραση.

Ενώ ακόμη περιμένουμε τα αποτελέσματα για το αν αυτή η θεραπεία θα λειτουργήσει, το προηγούμενο της έγκρισης του CRISPR για δοκιμές στο ανθρώπινο σώμα είναι μετασχηματιστικό. Οι πιθανές διαταραχές που μπορούν να θεραπευτούν περιλαμβάνουν την βελτίωση της ανοσοαπόκρισης του σώματος σε συγκεκριμένα νοσήματα.

Πιθανότατα, μπορούμε να χειριστούμε την φυσική γενετική αντίσταση του σώματος σε συγκεκριμένα νοσήματα. Τα νοσήματα που θα μπορούσαν να στοχευτούν είναι ποικίλα, αλλά η κοινότητα πρέπει να επικεντρωθεί στην θεραπεία της νέας παγκόσμιας επιδημίας κορονοϊού. Μια απειλή που αν δεν ελεγχθεί, θα μπορούσε να οδηγήσει σε θάνατο σε μεγάλο ποσοστό του πληθυσμού.

ΤΕΛΙΚΕΣ ΣΚΕΨΕΙΣ

Ενώ υπάρχουν πολλές πιθανές επιλογές για την επίτευξη επιτυχίας, θα απαιτηθεί η ένωση των γενετιστών, επιδημιολογών και ειδικών της μηχανικής μάθησης. Μια πιθανή θεραπεία μπορεί να είναι όπως περιγράφηκε παραπάνω, ή μπορεί να αποκαλυφθεί ότι είναι απίστευτα διαφορετική, η ευκαιρία βρίσκεται στην ανάλυση του γονιδιώματος ενός μεγάλου τμήματος του πληθυσμού.

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

Όταν λάβουμε υπόψη τι είναι τώρα σε κίνδυνο με αυτήν την τρέχουσα επιδημία, αυτές οι τρεις επιστημονικές κοινότητες πρέπει να έρθουν μαζί για να δουλέψουν για μια θεραπεία.