Az emberi genom szekvenálása és a mély tanulás koronavírus elleni védőoltáshoz vezethet – vélemény

A mesterséges intelligencia közösségének együtt kell működnie a genetikusokkal, hogy megtalálják a megfelelő kezelést azok számára, akiket leginkább veszélyeztetett a koronavírus. Egy lehetséges kezelés magában foglalhatja egy személy sejtjeinek eltávolítását, a DNS szerkesztését, majd a sejtek visszafecskendezését, remélhetőleg sikeres immunválaszsal felvértezve. Ez jelenleg folyamatban van dolgozott néhány más vakcinánál.

Az első lépés a teljes emberi genom szekvenálása lenne az emberi populáció egy jelentős részéből.

Az emberi genomok szekvenálása

Az első emberi genom szekvenálása 2.7 milliárd dollárba került, és közel 15 évig tartott. Egy egész ember szekvenálásának jelenlegi költsége drámaian csökkent. 2015-ben a költség 4000 dollár volt, most személyenként kevesebb, mint 1000 dollár. Ez a költség néhány százalékponttal tovább csökkenhet, ha a méretgazdaságosságot figyelembe vesszük.

Két különböző típusú beteg genomját kell szekvenálnunk:

1. Koronavírussal fertőzött; de egészséges
2. Koronavírussal fertőzött; de gyenge immunválasz

Lehetetlen megjósolni, hogy melyik adatpont lesz a legértékesebb, de minden szekvenált genom egy adatkészletet biztosítana. Minél több adat áll rendelkezésre, annál több lehetőség van a DNS-variációk felkutatására, amelyek növelik a szervezet ellenálló képességét a betegség vektorával szemben.

A nemzetek jelenleg dollártrilliókat veszítenek a járvány miatt, ehhez képest egy emberi genom 1000 dolláros költsége csekély. Minimum 1,000 önkéntes a lakosság mindkét szegmensében jelentős mennyiségű big data birtokában vértezné fel a kutatókat. Ha a próba mérete egy nagyságrenddel megnő, az AI még több képzési adattal rendelkezne, ami több nagyságrenddel növelné a siker esélyét. Minél több adat, annál jobb, ezért célszerű a 10,000 XNUMX önkéntest megcélozni.

Gépi tanulás

Míg a gépi tanulás több funkciója is jelen lenne, a mély tanulást az adatok mintáinak megtalálására használnák. Például megfigyelhető, hogy bizonyos DNS-változók magas immunitásnak, míg mások magas mortalitásnak felelnek meg. Legalább megtudnánk, hogy az emberi populáció mely szegmensei érzékenyebbek és karanténba helyezendők.

Ezen adatok megfejtéséhez mesterséges neurális hálózatot (ANN) helyeznének el a felhőben, és szekvenált emberi genomokat töltenének fel a világ minden tájáról. Az idő múlásával a párhuzamos számítástechnika csökkenti az ANN-nak a varázslatos működéséhez szükséges időt.

Akár még egy lépéssel tovább is léphetnénk, és felhasználhatnánk az ANN által rendezett kimeneti adatokat, és egy külön rendszerbe, az úgynevezett Ismétlődő neurális hálózat (RNN). Az RNN megerősítő tanulást használ annak meghatározására, hogy a kezdeti ANN által kiválasztott gén melyik a legsikeresebb egy szimulált környezetben. A megerősítő tanulási ágens a szimulált környezet létrehozásának teljes folyamatát megjátssza, hogy tesztelje, melyik DNS-változás a hatékonyabb.

A szimulált környezet olyan, mint egy virtuális játékkörnyezet, amelyet sok mesterségesintelligencia-vállalat jó helyzetben van ahhoz, hogy kihasználja az AI-algoritmusok tervezésében elért korábbi sikereit, hogy nyerjen az esportban. Ide tartoznak az olyan cégek is DeepMind és a OpenAI.

Ezek a vállalatok használhatják a videojátékok elsajátítására optimalizált mögöttes architektúrájukat, hogy stimulált környezetet hozzanak létre, teszteljék a génszerkesztéseket, és megtudják, mely szerkesztések vezetnek a kívánt változásokhoz.

A gén azonosítása után egy másik technológiát alkalmaznak a módosításokhoz.

CRISPR

A közelmúltban az első olyan tanulmány, amely a A CRISPR-t az emberi testben lévő DNS szerkesztésére engedélyezték. Ezzel egy ritka típusú genetikai rendellenességet kellett kezelni, amely minden 100,000 14 újszülött közül egyet érint. Az állapotot akár XNUMX gén mutációja is okozhatja, amelyek szerepet játszanak a retina növekedésében és működésében. Ebben az esetben a CRISPR arra törekszik, hogy gondosan megcélozza a DNS-t, és enyhe átmeneti károsodást okozzon a DNS-szálban, aminek következtében a sejt helyreállítja magát. Ez a helyreállító gyógyulási folyamat képes helyreállítani a látást.

Miközben még mindig az eredményekre várunk, hogy ez a kezelés beválik-e, a precedens, hogy a CRISPR-t engedélyezték az emberi szervezetben végzett vizsgálatokhoz, átalakuló. A kezelhető lehetséges rendellenességek közé tartozik a szervezet immunválaszának javítása specifikus betegségvektorokkal szemben.

Potenciálisan manipulálhatjuk a szervezet természetes genetikai rezisztenciáját egy adott betegséggel szemben. A potenciálisan megcélzott betegségek sokfélék, de a közösségnek az új, globális járványos koronavírus kezelésére kell összpontosítania. Olyan fenyegetés, amelyet ha nem ellenőriznek, lakosságunk nagy százalékát halálos ítélethez vezethetik.

ZÁRÓ GONDOLATOK

Noha sok lehetőség van a siker elérésére, ehhez szükség lesz a genetikusok, epidemiológusok és gépi tanulási szakemberek egységesítésére. Egy lehetséges kezelési lehetőség lehet a fent leírtak szerint, vagy kiderülhet, hogy elképzelhetetlenül eltérő, a lehetőség a populáció nagy részének genomszekvenálásában rejlik.

A mély tanulás a legjobb elemző eszköz, amit az emberek valaha is alkottak; legalábbis meg kell próbálnunk felhasználni egy vakcina létrehozására.

Ha figyelembe vesszük, hogy ez a jelenlegi járvány jelenleg mit fenyeget, ennek a három tudományos közösségnek össze kell fognia a gyógyítás érdekében.