Secuenciación del Genoma Humano y Aprendizaje Profundo Podrían Llevar a una Vacuna contra el Coronavirus – Opinión

La comunidad de inteligencia artificial debe colaborar con los genetistas para encontrar un tratamiento para aquellos que corren el mayor riesgo de contraer el coronavirus. Un posible tratamiento podría involucrar la extracción de las células de una persona, la edición del ADN y luego la inyección de las células de nuevo, con la esperanza de que ahora tengan una respuesta inmune exitosa. Esto se está trabajando actualmente en algunas otras vacunas.

El primer paso sería secuenciar el genoma humano completo de un segmento significativo de la población humana.

Secuenciación de Genomas Humanos

La secuenciación del primer genoma humano costó $2.7 mil millones y tardó casi 15 años en completarse. El costo actual de secuenciar un genoma humano completo ha disminuido drásticamente. Hace poco, en 2015, el costo era de $4000, ahora el costo es menos de $1000 por persona. Este costo podría disminuir algunos puntos porcentuales más cuando se consideran las economías de escala.

Necesitamos secuenciar el genoma de dos tipos diferentes de pacientes:

1. Infectados con Coronavirus; pero sanos
2. Infectados con Coronavirus; pero con una respuesta inmune deficiente

Es imposible predecir qué dato será más valioso, pero cada genoma secuenciado proporcionaría un conjunto de datos. Cuantos más datos, más opciones habrá para localizar variaciones de ADN que aumenten la resistencia del cuerpo a la enfermedad.

Las naciones están perdiendo actualmente billones de dólares debido a 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 grandes cantidades de datos. Si el ensayo aumenta en tamaño por un orden de magnitud, el aprendizaje automático tendría aún más datos de entrenamiento, lo que aumentaría las posibilidades de éxito por varios órdenes de magnitud. Cuantos más datos, mejor, por lo que se debe apuntar a un objetivo de 10,000 voluntarios.

Aprendizaje Automático

Mientras que múltiples funcionalidades del aprendizaje automático estarían presentes, el aprendizaje profundo se utilizaría 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 deben ser puestos en cuarentena.

Para descifrar estos datos, una Red Neuronal Artificial (RNA) se ubicaría en la nube, y los genomas humanos secuenciados de todo el mundo se subirían. Con el tiempo siendo esencial, la computación paralela reducirá el tiempo necesario para que la RNA haga su magia.

Incluso podríamos llevarlo un paso más allá y utilizar los datos de salida ordenados por la RNA, y alimentarlos a un sistema separado llamado Red Neuronal Recurrente (RNR). La RNR utiliza el aprendizaje por refuerzo para identificar qué gen seleccionado por la RNA inicial es más exitoso en un entorno simulado. El agente de aprendizaje por refuerzo gamificaría todo el proceso de crear un entorno simulado, para probar qué ediciones de ADN son más efectivas.

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

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

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

CRISPR

Recientemente, se aprobó el primer estudio que utilizaba CRISPR para editar ADN dentro del cuerpo humano. Esto fue para tratar un trastorno genético raro que afecta a uno de cada 100,000 recién nacidos. La condición puede ser causada por mutaciones en hasta 14 genes que desempeñan un papel en el crecimiento y funcionamiento de la retina. En este caso, CRISPR se propone cuidadosamente dirigir el ADN y causar un daño temporal leve en la cadena 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.

Aunque todavía estamos esperando los resultados de si este tratamiento funcionará, el precedente de tener CRISPR aprobado para ensayos en el cuerpo humano es transformacional. Los trastornos potenciales que pueden ser tratados incluyen mejorar la respuesta inmune del cuerpo a vectores de enfermedad específicos.

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

PENSAMIENTOS FINALES

Mientras que hay muchas opciones potenciales para lograr el éxito, requerirá que los genetistas, epidemiólogos y especialistas en aprendizaje automático se unan. Una opción de tratamiento potencial puede ser como se describió anteriormente, o puede ser revelada como algo imaginativamente 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 han creado; debemos intentar utilizarlo para crear una vacuna como mínimo.

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