Sekvenciranje ljudskog genoma i duboko učenje mogli bi dovesti do cjepiva protiv koronavirusa – mišljenje

Zajednica umjetne inteligencije mora surađivati ​​s genetičarima u pronalaženju liječenja za one za koje se smatra da su u najvećem riziku od koronavirusa. Potencijalni tretman mogao bi uključivati ​​uklanjanje stanica osobe, uređivanje DNK i zatim ubrizgavanje stanica natrag, sada se nadamo naoružanih uspješnim imunološkim odgovorom. Ovo se trenutno događa radio na nekim drugim cjepivima.

Prvi korak bio bi sekvenciranje cijelog ljudskog genoma iz znatnog segmenta ljudske populacije.

Sekvenciranje ljudskih genoma

Sekvenciranje prvog ljudskog genoma koštalo je 2.7 milijardi dolara i trajalo je gotovo 15 godina. Trenutačni troškovi sekvenciranja cijelog čovjeka dramatično su pali. Još 2015. cijena je bila 4000 USD, sada je cijena manja od 1000 USD po osobi. Ovaj bi trošak mogao pasti još nekoliko postotnih bodova ako se uzme u obzir ekonomija razmjera.

Moramo sekvencirati genom dvije različite vrste pacijenata:

1. Zaraženi koronavirusom; ali zdravo
2. Zaraženi koronavirusom; ali slab imunološki odgovor

Nemoguće je predvidjeti koja će podatkovna točka biti najvrjednija, ali svaki sekvencirani genom pružit će skup podataka. Što je više podataka, to je više opcija za lociranje varijacija DNK koje povećavaju otpornost tijela na vektor bolesti.

Nacije trenutno gube trilijune dolara zbog ove epidemije, a cijena od 1000 dolara po ljudskom genomu je mala u usporedbi s njom. Najmanje 1,000 volontera za oba segmenta populacije naoružalo bi istraživače značajnim količinama velikih podataka. Kad bi se ispitivanje povećalo za jedan red veličine, umjetna inteligencija bi imala još više podataka za obuku što bi povećalo izglede za uspjeh za nekoliko redova veličine. Što više podataka, to bolje, zbog čega treba ciljati na cilj od 10,000 volontera.

Strojno učenje

Dok bi višestruke funkcionalnosti strojnog učenja bile prisutne, duboko bi se učenje koristilo za pronalaženje uzoraka u podacima. Na primjer, moglo bi se primijetiti da određene varijable DNK odgovaraju visokom imunitetu, dok druge odgovaraju visokoj smrtnosti. Minimalno bismo naučili koji su segmenti ljudske populacije osjetljiviji i trebaju biti u karanteni.

Da bi se dešifrirali ti podaci, umjetna neuronska mreža (ANN) bila bi locirana u oblaku, a sekvencirani ljudski genomi iz cijelog svijeta bili bi učitani. S obzirom da je vrijeme ključno, paralelno računanje će smanjiti vrijeme potrebno da ANN učini svoju magiju.

Mogli bismo čak ići korak dalje i upotrijebiti izlazne podatke sortirane po ANN-u i unijeti ih u zasebni sustav koji se zove Rekurentna neuronska mreža (RNN). RNN koristi učenje s pojačanjem kako bi identificirao koji je gen odabran od strane početne ANN najuspješniji u simuliranom okruženju. Agent za učenje s pojačanjem bi igrificirao cijeli proces stvaranja simuliranog okruženja, kako bi testirao koje su promjene DNK učinkovitije.

Simulirano okruženje je poput okruženja virtualne igre, nešto što su mnoge AI tvrtke u dobroj poziciji da iskoriste na temelju svog prethodnog uspjeha u dizajniranju AI algoritama za pobjedu u esportu. To uključuje takve tvrtke DeepMind i OpenAI.

Te tvrtke mogu koristiti svoju temeljnu arhitekturu optimiziranu za svladavanje videoigara, kako bi stvorile stimulirano okruženje, testirale izmjene gena i naučile koje izmjene dovode do određenih željenih promjena.

Nakon što je gen identificiran, koristi se druga tehnologija za uređivanje.

CRISPR

Nedavno, prva studija koja koristi Odobren je CRISPR za uređivanje DNK unutar ljudskog tijela. Ovo je bilo liječenje rijetke vrste genetskog poremećaja koji pogađa jedno od svakih 100,000 novorođenčadi. Stanje može biti uzrokovano mutacijama u čak 14 gena koji igraju ulogu u rastu i radu mrežnice. U ovom slučaju, CRISPR pažljivo cilja DNK i uzrokuje blago privremeno oštećenje DNK lanca, uzrokujući da se stanica sama popravi. Upravo ovaj restorativni proces ozdravljenja ima potencijal vratiti vid.

Dok još uvijek čekamo rezultate o tome hoće li ovaj tretman djelovati, presedan odobrenja CRISPR-a za ispitivanja na ljudskom tijelu je transformacijski. Potencijalni poremećaji koji se mogu liječiti uključuju poboljšanje tjelesnog imunološkog odgovora na specifične vektore bolesti.

Potencijalno možemo manipulirati prirodnom genetskom otpornošću tijela na određenu bolest. Bolesti koje bi potencijalno mogle biti ciljane su različite, ali zajednica bi se trebala usredotočiti na liječenje nove globalne epidemije koronavirusa. Prijetnja koja bi, ako se ne zaustavi, mogla dovesti do smrtne kazne velikom postotku naše populacije.

ZAVRŠNE MISLI

Iako postoje mnoge potencijalne mogućnosti za postizanje uspjeha, bit će potrebno da se genetičari, epidemiolozi i stručnjaci za strojno učenje ujedine. Potencijalna opcija liječenja može biti kao što je gore opisano, ili se može otkriti da je nezamislivo drugačija, prilika leži u sekvenciranju genoma velikog segmenta populacije.

Duboko učenje je najbolji alat za analizu koji su ljudi ikada stvorili; moramo ga barem pokušati iskoristiti za stvaranje cjepiva.

Kada uzmemo u obzir što je trenutno u opasnosti s ovom trenutnom epidemijom, ove tri znanstvene zajednice moraju se udružiti kako bi radile na lijeku.