Séquençage du génome humain et apprentissage profond pourraient conduire à un vaccin contre le coronavirus – Opinion

La communauté de l’IA doit collaborer avec les généticiens pour trouver un traitement pour les personnes les plus à risque de contracter le coronavirus. Un traitement potentiel pourrait consister à retirer les cellules d’une personne, à éditer l’ADN, puis à réinjecter les cellules, maintenant armées d’une réponse immunitaire réussie. Cela est actuellement en cours de développement pour d’autres vaccins.

La première étape consisterait à séquencer l’ensemble du génome humain à partir d’un segment important de la population humaine.

Séquençage des génomes humains

Le coût de séquençage du premier génome humain était de 2,7 milliards de dollars et a pris près de 15 ans à compléter. Le coût actuel de séquençage d’un humain entier a considérablement diminué. Récemment, en 2015, le coût était de 4 000 dollars, maintenant le coût est inférieur à 1 000 dollars par personne. Ce coût pourrait diminuer de quelques points de pourcentage supplémentaires lorsque les économies d’échelle sont prises en compte.

Nous devons séquencer le génome de deux types de patients différents :

1. Atteints de coronavirus ; mais en bonne santé
2. Atteints de coronavirus ; mais avec une réponse immunitaire faible

Il est impossible de prédire quel point de données sera le plus précieux, mais chaque génome séquencé fournirait un ensemble de données. Plus il y a de données, plus il y a d’options pour localiser les variations d’ADN qui augmentent la résistance du corps à l’agent pathogène.

Les nations perdent actuellement des milliers de milliards de dollars en raison de cette épidémie, le coût de 1 000 dollars pour un génome humain est mineur en comparaison. Un minimum de 1 000 volontaires pour les deux segments de la population équiperait les chercheurs de volumes importants de données massives. Si l’essai augmente de taille d’un ordre de grandeur, l’IA aurait encore plus de données de formation, ce qui augmenterait les chances de succès de plusieurs ordres de grandeur. Plus il y a de données, mieux c’est, c’est pourquoi un objectif de 10 000 volontaires devrait être visé.

Apprentissage automatique

Alors que de multiples fonctionnalités de l’apprentissage automatique seraient présentes, l’apprentissage profond serait utilisé pour trouver des modèles dans les données. Par exemple, il pourrait y avoir une observation que certaines variables d’ADN correspondent à une immunité élevée, tandis que d’autres correspondent à une mortalité élevée. Au minimum, nous apprendrions quelles parties de la population humaine sont plus susceptibles et devraient être mises en quarantaine.

Pour déchiffrer ces données, un réseau de neurones artificiels (RNA) serait situé sur le cloud, et des génomes humains séquencés du monde entier seraient téléchargés. Compte tenu de l’urgence, le calcul parallèle réduira le temps nécessaire au RNA pour opérer sa magie.

Nous pourrions même aller plus loin et utiliser les données de sortie classées par le RNA, et les alimenter dans un système appelé Réseau de neurones récurrents (RNN). Le RNN utilise l’apprentissage par renforcement pour identifier quel gène sélectionné par le RNA initial est le plus efficace dans un environnement simulé. L’agent d’apprentissage par renforcement rendrait le processus de création d’un environnement simulé, pour tester quels changements d’ADN sont plus efficaces.

Un environnement simulé est comme un environnement de jeu virtuel, quelque chose que de nombreuses entreprises d’IA sont bien positionnées pour exploiter en fonction de leur succès antérieur dans la conception d’algorithmes d’IA pour gagner à des jeux vidéo. Cela inclut des entreprises telles que DeepMind et OpenAI.

Ces entreprises peuvent utiliser leur architecture sous-jacente optimisée pour maîtriser les jeux vidéo, pour créer un environnement simulé, tester les éditions de gènes et apprendre quelles éditions conduisent à des changements spécifiques souhaités.

Une fois qu’un gène est identifié, une autre technologie est utilisée pour effectuer les éditions.

CRISPR

Récemment, la première étude utilisant CRISPR pour éditer l’ADN à l’intérieur du corps humain a été approuvée. Cela était pour traiter un type rare de trouble génétique qui affecte un nouveau-né sur 100 000. La condition peut être causée par des mutations dans jusqu’à 14 gènes qui jouent un rôle dans la croissance et le fonctionnement de la rétine. Dans ce cas, CRISPR vise à cibler soigneusement l’ADN et à causer des dommages temporaires légers à la chaîne d’ADN, ce qui amène la cellule à se réparer elle-même. C’est ce processus de guérison qui a le potentiel de restaurer la vue.

Alors que nous attendons encore les résultats pour savoir si ce traitement sera efficace, le précédent de l’approbation de CRISPR pour les essais cliniques dans le corps humain est transformateur. Les troubles potentiels qui pourraient être traités incluent l’amélioration de la réponse immunitaire du corps à des agents pathogènes spécifiques.

Potiellement, nous pouvons manipuler la résistance génétique naturelle du corps à une maladie spécifique. Les maladies qui pourraient potentiellement être ciblées sont diverses, mais la communauté devrait se concentrer sur le traitement de la nouvelle épidémie mondiale de coronavirus. Une menace qui, si elle n’est pas contrôlée, pourrait conduire à une sentence de mort pour une grande partie de notre population.

PENSÉES FINALES

Alors qu’il y a de nombreuses options potentielles pour réussir, cela nécessitera que les généticiens, les épidémiologistes et les spécialistes de l’apprentissage automatique s’unissent. Une option de traitement potentielle peut être telle que décrite ci-dessus, ou peut être révélée comme étant radicalement différente, l’opportunité réside dans le séquençage du génome d’un grand segment de la population.

L’apprentissage profond est l’outil d’analyse le plus performant que les humains aient jamais créé ; nous devons au minimum essayer de l’utiliser pour créer un vaccin.

Quand nous prenons en compte ce qui est actuellement en jeu avec cette épidémie, ces trois communautés scientifiques doivent travailler ensemble pour trouver un remède.