Секвенционирањето на човечкиот геном и длабокото учење може да доведат до вакцина против коронавирус - Мислење

Заедницата на вештачката интелигенција мора да соработува со генетичарите, во изнаоѓање третман за оние кои се сметаат за најзагрозени од коронавирус. Потенцијален третман може да вклучува отстранување на клетките на една личност, уредување на ДНК и потоа вбризгување на клетките назад, сега се надеваме дека се вооружени со успешен имунолошки одговор. Ова е моментално работеше за некои други вакцини.

Првиот чекор би бил секвенционирање на целиот човечки геном од значителен дел од човечката популација.

Секвенционирање на човечки геноми

Секвенционирањето на првиот човечки геном чинеше 2.7 милијарди долари и беа потребни речиси 15 години за да се заврши. Сегашната цена за секвенционирање на цел човек драстично се намали. Неодамна во 2015 година цената беше 4000 долари, сега цената е помала од 1000 долари по лице. Овој трошок може да се намали за неколку процентни поени повеќе кога ќе се земат предвид економиите на обем.

Треба да го секвенционираме геномот на два различни типа на пациенти:

1. Заразени со коронавирус; но здрава
2. Заразени со коронавирус; но слаб имунолошки одговор

Невозможно е да се предвиди која точка на податоци ќе биде највредна, но секој секвенциониран геном би обезбедил база на податоци. Колку повеќе податоци, толку повеќе опции има за лоцирање на варијации на ДНК кои ја зголемуваат отпорноста на телото на векторот на болеста.

Нациите во моментов губат трилиони долари поради оваа епидемија, цената од 1000 американски долари човечки геном е мала во споредба. Минимум 1,000 волонтери за двата сегменти од населението би ги вооружиле истражувачите со значителен обем на големи податоци. Доколку тестот се зголеми во големина за еден ред на величина, вештачката интелигенција би имала уште повеќе податоци за обука кои би ги зголемиле шансите за успех за неколку реда на големина. Колку повеќе податоци, толку подобро, поради што треба да се насочи цел од 10,000 волонтери.

Машинско учење

Додека би биле присутни повеќе функционалности на машинско учење, длабокото учење би се користело за да се најдат обрасци во податоците. На пример, може да има опсервација дека одредени ДНК променливи одговараат на висок имунитет, додека други одговараат на висока смртност. Најмалку би научиле кои сегменти од човечката популација се поподложни и треба да бидат ставени во карантин.

За да се дешифрираат овие податоци, ќе биде лоцирана вештачка невронска мрежа (АНН) на облакот и ќе бидат поставени секвенционирани човечки геноми од целиот свет. Со оглед на тоа што времето е од суштинско значење, паралелното пресметување ќе го намали времето потребно за ANN да ја направи својата магија.

Можеме дури и да одиме чекор понатаму и да ги користиме излезните податоци подредени по ANN и да ги внесеме во посебен систем наречен Рекурентна невронска мрежа (RNN). RNN користи засилувачко учење за да идентификува кој ген избран од почетната ANN е најуспешен во симулирана средина. Агентот за зајакнување за учење би го гамификувал целиот процес на создавање симулирана поставка, за да се тестира кои промени на ДНК се поефикасни.

Симулираното опкружување е како средина за виртуелна игра, нешто што многу компании со вештачка интелигенција се добро позиционирани да го искористат врз основа на нивниот претходен успех во дизајнирањето на алгоритми со вештачка интелигенција за победа во е-спортот. Ова ги вклучува компаниите како Deepmind OpenAI.

Овие компании можат да ја користат нивната основна архитектура оптимизирана за совладување на видео игрите, за да создадат стимулирана средина, да тестираат уредувања на гени и да научат кои уредувања водат до специфични посакувани промени.

Откако ќе се идентификува ген, се користи друга технологија за да се направат уредувањата.

CRISPR

Неодамна, првата студија со користење Одобрено е CRISPR за уредување на ДНК во човечкото тело. Ова беше за лекување на редок вид на генетско нарушување кое влијае на едно од 100,000 новороденчиња. Состојбата може да биде предизвикана од мутации на дури 14 гени кои играат улога во растот и работата на мрежницата. Во овој случај, CRISPR тргнува да внимателно ја таргетира ДНК и да предизвика мало привремено оштетување на нишката на ДНК, предизвикувајќи клетката да се поправа самата. Токму овој ресторативен процес на лекување има потенцијал да го врати видот.

Додека сè уште чекаме резултати за тоа дали овој третман ќе функционира, преседанот да се одобри CRISPR за испитувања во човечкото тело е трансформациски. Потенцијалните нарушувања кои може да се третираат вклучуваат подобрување на имунолошкиот одговор на телото на одредени носители на болеста.

Потенцијално, можеме да манипулираме со природната генетска отпорност на телото на одредена болест. Болестите кои потенцијално би можеле да бидат таргетирани се различни, но заедницата треба да се фокусира на лекувањето на новата глобална епидемија на коронавирус. Закана која ако не се провери може да доведе до смртна казна за голем процент од нашето население.

Завршни мисли

Иако има многу потенцијални опции за постигнување успех, тоа ќе бара обединување на генетичарите, епидемиолозите и специјалистите за машинско учење. Потенцијална опција за третман може да биде како што е опишано погоре, или може да се открие дека е незамисливо различна, можноста лежи во секвенционирањето на геномот на голем сегмент од популацијата.

Длабокото учење е најдобрата алатка за анализа што луѓето некогаш ја создале; треба барем да се обидеме да го искористиме за да создадеме вакцина.

Кога ќе го земеме предвид она што е моментално загрозено со оваа актуелна епидемија, овие три научни заедници треба да се здружат за да работат на лек.