Ihmisen genominen sekvensointi ja syvä oppiminen voivat johtaa koronavirusrokoteeseen – Mielipide

Tekoälyyhteisön on tehtävä yhteistyötä geneetikkojen kanssa, jotta voidaan löytää hoito niille, jotka ovat alttiimpia koronavirukselle. Mahdollinen hoito voisi sisältää solujen poistamisen, DNA:n muokkaamisen ja solujen takaisin injektoimisen, toivoen, että vastustuskyky on parantunut. Tätä työtä tehdään jo joissain muissa rokotuksissa tässä.

Ensimmäinen askel olisi koko ihmisen genomin sekvensointi suurelta osin väestöstä.

Ihmisen genomin sekvensointi

Ensimmäisen ihmisen genomin sekvensointi maksoi 2,7 miljardia dollaria ja kesti lähes 15 vuotta. Nykyään koko ihmisen genomin sekvensointi on paljon halvempaa. Vuonna 2015 sekvensointi maksoi 4000 dollaria, ja nyt se maksaa alle 1000 dollaria per henkilö. Tämä kustannus voi laskea muutaman prosenttipisteen, kun otetaan huomioon mittakaavaedut.

Meidän on sekvensoitava genomi kahdelle eri potilasryhmälle:

1. Koronaviruksella tartunnut, mutta terve
2. Koronaviruksella tartunnut, mutta heikko vastustuskyky

On mahdotonta ennustaa, mikä tietopiste on arvokkain, mutta jokainen sekvensoitu genomi antaisi tietojoukon. Mitä enemmän dataa, sitä enemmän vaihtoehtoja on löytää DNA-vaihteluita, jotka lisäävät kehon vastustuskykyä tautia vastaan.

Valtiot menettävät tällä hetkellä triljoonia dollareita tämän epidemian vuoksi, ja 1000 dollarin kustannus per genomi on vähäinen verrattuna siihen. Vähintään 1000 vapaaehtoista molemmista väestöryhmistä antaisi tutkijoille merkittävän määrän dataa. Jos tutkimus laajenee kooltaan yhden kertaluokan, tekoälyllä olisi vielä enemmän koulutusdataa, mikä lisäisi onnistumisen todennäköisyyttä useilla kertaluokilla. Mitä enemmän dataa, sitä parempi, ja siksi tavoitteena pitäisi olla 10 000 vapaaehtoisen saaminen.

Koneoppiminen

Useat koneoppimisen toiminnot olisivat läsnä, ja syvä oppiminen käytettäisiin löytämään kuvioita datassa. Esimerkiksi voisi havaita, että tietyt DNA-vaihtelut vastaavat korkeaa vastustuskykyä, kun taas toiset vastaavat korkeaa kuolemanvaaraa. Ainakin opimme, mitkä väestöryhmät ovat alttiimpia ja tulisi karanteeniin.

Tätä dataa tulkitsemaan käytettäisiin tekoälyverkkoa pilvessä, ja sekvensoituja ihmisen genomeja ladataan ympäri maailmaa. Ajan ollessa olennainen, rinnakkaislaskenta vähentää tekoälyverkon laskenta-aikaa.

Voimme jopa mennä askelen eteenpäin ja käyttää tekoälyverkon lajittamaa dataa ja syöttää sen toiseen järjestelmään, jota kutsutaan Toistuvaksi neuroverkoksi (RNN). RNN käyttää vahvistusoppimista tunnistamaan, mikä geeni valittiin alkuun, onka se menestyksekkäin simuloituissa olosuhteissa. Vahvistusoppimisagentti pelisimulaatiota, jossa testataan, mitkä DNA-muutokset ovat tehokkaimpia.

Simuloitu ympäristö on kuin virtuaalipeliympäristö, jota monet tekoälyyritykset ovat hyvin asemissa hyödyntämään aiemmasta menestyksestään suunnittelemalla tekoälyalgoritmeja voittamaan esport-peleissä. Tähän kuuluvat yritykset kuten DeepMind ja OpenAI.

Nämä yritykset voivat käyttää videopelien hallitsemiseen optimoituja perusrakenteitaan luomaan simuloituja ympäristöjä, testaamaan geeni muutoksia ja oppimaan, mitkä muutokset johtavat tiettyihin toivottuihin muutoksiin.

Kun geeni on tunnistettu, toinen teknologiaa käytetään muutosten tekemiseen.

CRISPR

Viimeksi sallittiin ensimmäinen tutkimus, jossa CRISPR:ää käytetään DNA:n muokkaamiseen ihmiskehossa. Tämä oli harvinainen geneettinen sairaus, joka vaikuttaa yhteen jokaista 100 000 uutta syntynyttä lasta. Tila johtuu mutaatioista jopa 14: ssä geenissä, jotka osallistuvat verkkokalvon kasvuun ja toimintaan. CRISPR pyrkii tarkkaan kohdistamaan DNA: ta ja aiheuttamaan lievää, tilapäistä vahinkoa DNA-säikeelle, mikä aiheuttaa solun itsekorjausprosessin. Tämä palauttava parantumisprosessi voi palauttaa näkökyvyn.

Vaikka odotamme vielä tuloksia siitä, toimisiko tämä hoito, CRISPR:n hyväksyminen ihmiskehon kokeisiin on mullistava. Mahdollisia sairauksia, joita voidaan hoitaa, ovat vastustuskyvyn parantaminen tiettyjä tautia vastaan.

Voidaan manipuloida kehon luonnollista geneettistä resistenssiä tiettyjä tauteja vastaan. Kohdennettavissa olevat taudit ovat moninaisia, mutta yhteisön tulisi keskittyä uuden globaalin epidemiaksi koronaviruksen hoitoon. Uhka, joka voi johtaa kuolemantuomioon suurelle osalle väestöstä, jos sitä ei hillitä.

LOPPUAJATTELU

Vaikka on monia mahdollisia vaihtoehtoja menestymiseen, se vaatii geneetikkojen, epidemiologien ja koneoppimisen asiantuntijoiden yhdistymistä. Mahdollinen hoitovaihtoehto voi olla kuin yllä kuvattu, tai se voidaan paljastaa täysin erilaiseksi, mahdollisuus piilee genomin sekvensoinnissa suurelta osin väestöstä.

Syvä oppiminen on paras analyysityökalu, jonka ihmiset ovat koskaan luoneet; meidän on kokeiltava vähintään sen käyttämistä rokotteen luomiseen.

Kun otetaan huomioon, mitä on vaarassa tämän epidemiaksi tulevaisuudessa, näiden kolmen tieteellisen yhteisön on tehtävä yhteistyötä parantamaan.