Human Genome Sequencing en Deep Learning kunnen leiden tot een vaccin tegen het coronavirus – Opinie

De AI-gemeenschap moet samenwerken met genetici om een ​​behandeling te vinden voor degenen die het meeste risico lopen op het coronavirus. Een mogelijke behandeling zou kunnen zijn het verwijderen van iemands cellen, het bewerken van het DNA en het vervolgens opnieuw injecteren van de cellen, nu hopelijk gewapend met een succesvolle immuunrespons. Dit wordt momenteel gewerkt aan enkele andere vaccins.

De eerste stap zou zijn om het volledige menselijke genoom te sequensen van een aanzienlijk deel van de menselijke bevolking.

Sequentie van menselijke genomen

Het sequentiëren van het eerste menselijke genoom kostte 2.7 miljard dollar en nam bijna 15 jaar in beslag. De huidige kosten van het sequentiëren van een volledig mens zijn dramatisch gedaald. In 2015 waren de kosten $ 4000, nu zijn de kosten minder dan $ 1000 per persoon. Deze kosten kunnen een paar procentpunten meer dalen als rekening wordt gehouden met schaalvoordelen.

We moeten het genoom van twee verschillende soorten patiënten sequensen:

1. Besmet met Coronavirus; maar gezond
2. Besmet met Coronavirus; maar slechte immuunrespons

Het is onmogelijk te voorspellen welk datapunt het meest waardevol zal zijn, maar elk gesequenced genoom zou een dataset opleveren. Hoe meer gegevens, hoe meer mogelijkheden er zijn om DNA-variaties te lokaliseren die de weerstand van een lichaam tegen de ziektevector verhogen.

Naties verliezen momenteel biljoenen dollars aan deze uitbraak, de kosten van $ 1000 per menselijk genoom zijn gering in vergelijking. Een minimum van 1,000 vrijwilligers voor beide segmenten van de bevolking zou onderzoekers bewapenen met aanzienlijke hoeveelheden big data. Als de proef met één orde van grootte zou toenemen, zou de AI nog meer trainingsgegevens hebben, wat de kans op succes met meerdere ordes van grootte zou vergroten. Hoe meer gegevens hoe beter, daarom moet worden gestreefd naar een doel van 10,000 vrijwilligers.

Machine leren

Hoewel meerdere functionaliteiten van machine learning aanwezig zouden zijn, zou deep learning worden gebruikt om patronen in de gegevens te vinden. Er kan bijvoorbeeld een observatie zijn dat bepaalde DNA-variabelen overeenkomen met een hoge immuniteit, terwijl andere overeenkomen met een hoge mortaliteit. We zouden op zijn minst leren welke segmenten van de menselijke bevolking vatbaarder zijn en in quarantaine moeten worden geplaatst.

Om deze gegevens te ontcijferen, zou een Artificieel Neuraal Netwerk (ANN) in de cloud worden geplaatst en zouden menselijke genomen van over de hele wereld worden geüpload. Omdat tijd van essentieel belang is, zal parallel computing de tijd die de ANN nodig heeft om zijn magie te laten werken, verkorten.

We zouden zelfs nog een stap verder kunnen gaan en de door de ANN gesorteerde uitvoergegevens gebruiken en invoeren in een apart systeem dat een Terugkerend neuraal netwerk (RNN). De RNN maakt gebruik van versterkend leren om te identificeren welk gen geselecteerd door de initiële ANN het meest succesvol is in een gesimuleerde omgeving. De versterkende leeragent zou het hele proces van het creëren van een gesimuleerde setting gamen, om te testen welke DNA-veranderingen effectiever zijn.

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

Deze bedrijven kunnen hun onderliggende architectuur gebruiken die is geoptimaliseerd voor het beheersen van videogames, om een ​​gestimuleerde omgeving te creëren, genbewerkingen te testen en te leren welke bewerkingen tot specifieke gewenste veranderingen leiden.

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

CRISPR

Onlangs is de allereerste studie gebruikt CRISPR om DNA in het menselijk lichaam te bewerken werd goedgekeurd. Dit was om een ​​zeldzaam type genetische aandoening te behandelen die een op de 100,000 pasgeborenen treft. De aandoening kan worden veroorzaakt door mutaties in maar liefst 14 genen die een rol spelen bij de groei en werking van het netvlies. In dit geval tracht CRISPR het DNA zorgvuldig te targeten en een kleine tijdelijke beschadiging van de DNA-streng aan te richten, waardoor de cel zichzelf herstelt. Het is dit herstellende genezingsproces dat het gezichtsvermogen kan herstellen.

Terwijl we nog steeds wachten op resultaten over of deze behandeling zal werken, is het precedent van goedkeuring van CRISPR voor proeven in het menselijk lichaam transformationeel. Mogelijke aandoeningen die kunnen worden behandeld, zijn onder meer het verbeteren van de immuunrespons van een lichaam op specifieke ziektevectoren.

Mogelijk kunnen we de natuurlijke genetische weerstand van het lichaam tegen een specifieke ziekte manipuleren. De ziekten die mogelijk het doelwit kunnen zijn, zijn divers, maar de gemeenschap zou zich moeten concentreren op de behandeling van het nieuwe wereldwijde epidemische coronavirus. Een dreiging die, indien niet gecontroleerd, zou kunnen leiden tot een doodvonnis voor een groot percentage van onze bevolking.

Final Thoughts

Hoewel er veel potentiële opties zijn om succes te behalen, is het nodig dat genetici, epidemiologen en specialisten op het gebied van machine learning zich verenigen. Een mogelijke behandelingsoptie kan zijn zoals hierboven beschreven, of kan onvoorstelbaar anders blijken te zijn, de kans ligt in de genoomsequencing van een groot deel van de bevolking.

Diep leren is de beste analysetool die mensen ooit hebben gemaakt; we moeten op zijn minst proberen het te gebruiken om een ​​vaccin te maken.

Als we rekening houden met wat er momenteel in gevaar is met deze huidige epidemie, moeten deze drie wetenschappelijke gemeenschappen samenkomen om aan een remedie te werken.