La secuenciación del genoma humano y el aprendizaje profundo podrían conducir a una vacuna contra el coronavirus: opinión

La comunidad de IA debe colaborar con los genetistas para encontrar un tratamiento para aquellos que se consideran con mayor riesgo de coronavirus. Un tratamiento potencial podría consistir en extraer las células de una persona, editar el ADN y luego inyectar las células nuevamente, ahora con suerte armado con una respuesta inmune exitosa. Esto está siendo actualmente trabajado para algunas otras vacunas.

El primer paso sería secuenciar todo el genoma humano de un segmento considerable de la población humana.

Secuenciación de genomas humanos

La secuenciación del primer genoma humano costó 2.7 millones de dólares y tardó casi 15 años en completarse. El costo actual de secuenciar a un ser humano completo se ha reducido drásticamente. Tan reciente como 2015 el costo era de $4000, ahora el costo es menos de $1000 por persona. Este costo podría caer algunos puntos porcentuales más si se tienen en cuenta las economías de escala.

Necesitamos secuenciar el genoma de dos tipos diferentes de pacientes:

1. infectados con coronavirus; pero saludable
2. infectados con coronavirus; pero pobre respuesta inmune

Es imposible predecir qué punto de datos será más valioso, pero cada genoma secuenciado proporcionaría un conjunto de datos. Cuantos más datos, más opciones hay para localizar variaciones de ADN que aumentan la resistencia de un cuerpo al vector de la enfermedad.

Las naciones actualmente están perdiendo billones de dólares por este brote, el costo de $ 1000 por genoma humano es menor en comparación. Un mínimo de 1,000 voluntarios para ambos segmentos de la población armaría a los investigadores con volúmenes significativos de big data. Si la prueba aumentara en tamaño en un orden de magnitud, la IA tendría aún más datos de entrenamiento que aumentarían las probabilidades de éxito en varios órdenes de magnitud. Cuantos más datos, mejor, por lo que se debe apuntar a un objetivo de 10,000 voluntarios.

Aprendizaje automático (Machine learning & LLM)

Si bien estarían presentes múltiples funcionalidades de aprendizaje automático, el aprendizaje profundo se usaría para encontrar patrones en los datos. Por ejemplo, podría haber una observación de que ciertas variables de ADN corresponden a una alta inmunidad, mientras que otras corresponden a una alta mortalidad. Como mínimo, aprenderíamos qué segmentos de la población humana son más susceptibles y deberían ser puestos en cuarentena.

Para descifrar estos datos se ubicaría una Red Neuronal Artificial (ANN) en la nube, y se cargarían genomas humanos secuenciados de todo el mundo. Dado que el tiempo es esencial, la computación paralela reducirá el tiempo requerido para que ANN haga su magia.

Incluso podríamos ir un paso más allá y usar los datos de salida ordenados por la ANN e introducirlos en un sistema separado llamado Red neuronal recurrente (RNN). La RNN utiliza el aprendizaje por refuerzo para identificar qué gen seleccionado por la ANN inicial tiene más éxito en un entorno simulado. El agente de aprendizaje por refuerzo gamificaría todo el proceso de creación de un entorno simulado, para probar qué cambios de ADN son más efectivos.

Un entorno simulado es como un entorno de juego virtual, algo que muchas empresas de IA están bien posicionadas para aprovechar en función de su éxito anterior en el diseño de algoritmos de IA para ganar en los deportes electrónicos. Esto incluye empresas como Mente profunda y OpenAI.

Estas empresas pueden utilizar su arquitectura subyacente optimizada para dominar videojuegos, crear un entorno estimulado, probar ediciones de genes y aprender qué ediciones conducen a cambios específicos deseados.

Una vez que se identifica un gen, se utiliza otra tecnología para realizar las ediciones.

CRISPR

Recientemente, el primer estudio que utilizó Aprobaron CRISPR para editar ADN dentro del cuerpo humano. Esto fue para tratar un tipo raro de trastorno genético que afecta a uno de cada 100,000 recién nacidos. La condición puede ser causada por mutaciones en hasta 14 genes que juegan un papel en el crecimiento y funcionamiento de la retina. En este caso, CRISPR se propone apuntar cuidadosamente al ADN y causar un ligero daño temporal a la hebra de ADN, lo que hace que la célula se repare a sí misma. Es este proceso de curación restaurador el que tiene el potencial de restaurar la vista.

Mientras todavía estamos esperando los resultados sobre si este tratamiento funcionará, el precedente de tener CRISPR aprobado para ensayos en el cuerpo humano es transformador. Los posibles trastornos que se pueden tratar incluyen mejorar la respuesta inmunitaria del cuerpo a vectores de enfermedades específicas.

Potencialmente, podemos manipular la resistencia genética natural del cuerpo a una enfermedad específica. Las enfermedades a las que potencialmente podrían dirigirse son diversas, pero la comunidad debería centrarse en el tratamiento de la nueva epidemia mundial de coronavirus. Una amenaza que, si no se controla, podría llevar a la pena de muerte a un gran porcentaje de nuestra población.

REFLEXIONES FINALES

Si bien existen muchas opciones potenciales para lograr el éxito, será necesario que genetistas, epidemiólogos y especialistas en aprendizaje automático se unan. Una posible opción de tratamiento puede ser como se describe anteriormente, o puede revelarse que es inimaginablemente diferente, la oportunidad radica en la secuenciación del genoma de un gran segmento de la población.

El aprendizaje profundo es la mejor herramienta de análisis que los humanos jamás hayan creado; necesitamos, como mínimo, intentar usarlo para crear una vacuna.

Cuando tomamos en consideración lo que actualmente está en riesgo con esta epidemia actual, estas tres comunidades científicas deben unirse para trabajar en una cura.