Menselijke Genoomsequencing en Diepe Leerlingen Konden Leiden tot een Coronaviruss Vaccin – Opinie

De AI-gemeenschap moet samenwerken met geneticus, om een behandeling te vinden voor degenen die het meest risico lopen op coronavirus. Een potentiële behandeling zou kunnen bestaan uit het verwijderen van iemands cellen, het bewerken van het DNA en vervolgens het weer injecteren van de cellen, hopelijk nu voorzien van een succesvolle immuunreactie. Dit wordt momenteel onderzocht voor andere vaccins.

De eerste stap zou zijn het in kaart brengen van het hele menselijke genoom van een aanzienlijk deel van de menselijke bevolking.

Sequencing van Menselijke Genomen

Het in kaart brengen van het eerste menselijke genoom kostte $2,7 miljard en duurde bijna 15 jaar. De huidige kosten van het in kaart brengen van een hele mens zijn drastisch gedaald. Zo recent als 2015 was de kosten $4000, nu is de kosten minder dan $1000 per persoon. Deze kosten kunnen nog een paar procentpunten dalen wanneer er rekening wordt gehouden met de schaalvoordelen.

We moeten het genoom van twee verschillende soorten patiënten in kaart brengen:

1. Geïnfecteerd met Coronavirus; maar gezond
2. Geïnfecteerd met Coronavirus; maar slechte immuunreactie

Het is onmogelijk te voorspellen welke gegevenspunt het meest waardevol zal zijn, maar elk in kaart gebracht genoom zou een dataset opleveren. Hoe meer gegevens, hoe meer opties er zijn om DNA-variabelen te lokaliseren die de weerstand van het lichaam tegen de ziekteverwekker verhogen.

Landen verliezen momenteel trillions van dollars door deze uitbraak, de kosten van $1000 per menselijk genoom zijn minimaal in vergelijking. Een minimum van 1.000 vrijwilligers voor beide segmenten van de bevolking zou onderzoekers voorzien van aanzienlijke hoeveelheden big data. Als de proef groter wordt, zal de AI nog meer trainingsdata hebben, waardoor de kans op succes met een aantal orden van grootte toeneemt. Hoe meer gegevens, hoe beter, en dat is waarom een doel van 10.000 vrijwilligers moet worden nagestreefd.

Machine Learning

Terwijl meerdere functionaliteiten van machine learning aanwezig zullen zijn, zal diepe leerlingen worden gebruikt om patronen in de gegevens te vinden. Bijvoorbeeld, er kan een observatie zijn dat bepaalde DNA-variabelen overeenkomen met een hoge immuniteit, terwijl anderen overeenkomen met een hoge mortaliteit. Op zijn minst zullen we leren welke segmenten van de menselijke bevolking meer vatbaar zijn en moeten worden geïsoleerd.

Om deze gegevens te ontcijferen, zal een kunstmatig neuronaal netwerk (ANN) op de cloud worden geplaatst, en in kaart gebrachte menselijke genomen van over de hele wereld zullen worden geüpload. Aangezien tijd van essentieel belang is, zal parallel computing de tijd die nodig is voor het ANN om zijn magie te laten werken, verkorten.

We kunnen het zelfs nog een stap verder brengen en de uitvoergegevens die zijn gesorteerd door het ANN, gebruiken en invoeren in een apart systeem dat een Recurrent Neuronaal Netwerk (RNN) wordt genoemd. De RNN gebruikt versterkende leerlingen om te identificeren welk gen dat is geselecteerd door het initiële ANN, het meest succesvol is in een gesimuleerde omgeving. De versterkende leerling zal het hele proces van het creëren van een gesimuleerde omgeving gamificeren, om te testen welke DNA-wijzigingen meer effectief zijn.

Een gesimuleerde omgeving is als een virtuele game-omgeving, iets waar veel AI-bedrijven goed voor zijn geplaatst om te profiteren van hun eerdere succes in het ontwerpen van AI-algoritmen om te winnen bij esports. Dit omvat bedrijven zoals DeepMind en OpenAI.

Deze bedrijven kunnen hun onderliggende architectuur die is geoptimaliseerd om meester-esports te worden, gebruiken om een gesimuleerde omgeving te creëren, genbewerkingen te testen en te leren welke bewerkingen leiden tot specifieke gewenste veranderingen.

Als een gen eenmaal is geïdentificeerd, wordt een andere technologie gebruikt om de bewerkingen uit te voeren.

CRISPR

Onlangs is de eerste studie ooit die CRISPR gebruikt om DNA te bewerken in het menselijke lichaam goedgekeurd. Dit was om een zeldzame genetische aandoening te behandelen die één op de 100.000 pasgeborenen treft. De aandoening kan worden veroorzaakt door mutaties in tot 14 genen die een rol spelen in de groei en werking van de retina. In dit geval streeft CRISPR ernaar om DNA zorgvuldig te targeten en lichte tijdelijke schade aan de DNA-streng te veroorzaken, waardoor de cel zichzelf herstelt. Het is dit herstelproces dat het potentieel heeft om het gezichtsvermogen te herstellen.

Terwijl we nog steeds wachten op de resultaten of deze behandeling zal werken, is de precedent van het goedkeuren van CRISPR voor proeven in het menselijke lichaam transformatief. Potentiële aandoeningen die kunnen worden behandeld, zijn onder andere het verbeteren van de immuunreactie van het lichaam op specifieke ziekteverwekkers.

Potentiële wijzigingen kunnen worden aangebracht in de natuurlijke genetische weerstand van het lichaam tegen een specifieke ziekte. De ziekten die potentieel kunnen worden aangepakt, zijn divers, maar de gemeenschap zou zich moeten concentreren op de behandeling van de nieuwe wereldwijde epidemie coronavirus. Een bedreiging die, als deze ongecontroleerd blijft, kan leiden tot een doodvonnis voor een groot deel van onze bevolking.

LAATSTE GEDACHTE

Terwijl er veel potentiële opties zijn om succes te behalen, zal dit vereisen dat geneticus, epidemiologen en machine learning-specialisten zich verenigen. Een potentiële behandelings-optie kan zijn zoals hierboven beschreven, of kan onvoorstelbaar anders zijn, de kans ligt in het in kaart brengen van het genoom van een groot deel van de bevolking.

Diepe leerlingen zijn het beste analyse-instrument dat de mens ooit heeft gecreëerd; we moeten op zijn minst proberen om het te gebruiken om een vaccin te creëren.

Wanneer we in overweging nemen wat momenteel op het spel staat met deze huidige epidemie, moeten deze drie wetenschappelijke gemeenschappen samenwerken om een geneesmiddel te vinden.