Menneskegensekvensering og dyp læring kan føre til en koronavaksine – Kommentar

AI-samfunnet må samarbeide med genetiske forskere for å finne en behandling for de som er mest utsatt for koronavirus. En potensiell behandling kan innebære å fjerne en persons celler, redigere DNA og deretter injisere cellene tilbake, nå håper vi at de er utstyrt med en vellykket immunrespons. Dette arbeides det med for noen andre vaksiner.

Det første skrittet ville være å sekvensere hele det menneskelige genomet fra en større del av befolkningen.

Sekvensering av menneskelige genomer

Sekvenseringen av det første menneskelige genomet kostet 2,7 milliarder dollar og tok nesten 15 år å fullføre. Den nåværende kostnaden for å sekvensere et helt menneske har sunket dramatisk. Så sent som i 2015 var kostnaden 4000 dollar, nå er kostnaden mindre enn 1000 dollar per person. Denne kostnaden kan synke noen prosentpoeng mer når man tar hensyn til større skala.

Vi må sekvensere genomet til to forskjellige typer pasienter:

1. Infisert med koronavirus; men frisk
2. Infisert med koronavirus; men dårlig immunrespons

Det er umulig å forutsi hvilken datapunkt som vil være mest verdifull, men hver sekvensert genoom vil gi en datasett. Jo mer data, jo flere muligheter er det å finne DNA-variabler som øker kroppens motstand mot sykdomsvektoren.

Nasjoner taper nå trillioner av dollar på denne utbruddet, og kostnaden på 1000 dollar per menneskelig genoom er minimal i sammenligning. Et minimum på 1000 frivillige for begge segmenter av befolkningen ville gi forskerne betydelige volumer av big data. Hvis prøven øker i størrelse med en størrelsesorden, vil AI ha enda mer treningdata, noe som vil øke sjansene for suksess med flere størrelsesordener. Jo mer data, jo bedre, og derfor bør målet være å nå 10 000 frivillige.

Maskinlæring

Mens det vil være flere funksjoner til stede i maskinlæring, vil dyp læring bli brukt til å finne mønster i dataene. For eksempel kan det være en observasjon at visse DNA-variabler korresponderer til høy immunitet, mens andre korresponderer til høy dødelighet. Som minimum vil vi lære hvilke segmenter av befolkningen som er mer utsatt og bør være i karantene.

For å tyde denne dataen vil en kunstig nevralt nettverk (ANN) bli plassert på skyen, og sekvenserte menneskelige genomer fra hele verden vil bli lastet opp. Med tanke på at tiden er avgjørende, vil parallell databehandling redusere tiden som trengs for ANN å gjøre sin magi.

Vi kan sogar gå et skritt videre og bruke utdataene som er sortert av ANN, og mata dem inn i et separat system kalt et Recurrent Neural Network (RNN). RNN bruker forsterkingslæring til å identifisere hvilken gen som er valgt av den innledende ANN, og som er mest suksessfull i en simuleringsmiljø. Forsterkingslæringssystemet vil gjøre hele prosessen med å skape en simuleringsmiljø, for å teste hvilke genredigeringer som er mest effektive.

En simuleringsmiljø er som en virtuell spillmiljø, noe mange AI-selskaper er godt posisjonert til å dra nytte av, basert på deres tidligere suksess i å designe AI-algoritmer for å vinne i e-sport. Dette inkluderer selskaper som DeepMind og OpenAI.

Disse selskapene kan bruke sin underliggende arkitektur, som er optimalisert for å mestre videospill, til å skape en simuleringsmiljø, teste genredigeringer og lære hvilke redigeringer som fører til bestemte ønskede endringer.

Når en gen er identifisert, brukes en annen teknologi til å gjøre redigeringene.

CRISPR

Nylig ble den første studien som bruker CRISPR til å redigere DNA inne i menneskekroppen godkjent. Dette var for å behandle en sjelden type genetisk lidelse som rammer ett av hvert 100 000 nyfødte. Tilstanden kan være forårsaket av mutasjoner i så mange som 14 gener som spiller en rolle i veksten og driften av netthinnen. I dette tilfelle setter CRISPR ut til å nøye målrette DNA og å forårsake lett midlertidig skade på DNA-strengen, noe som får cellen til å reparere seg selv. Det er denne restaureringsprosessen som har potensialet til å gjenopprette synet.

Mens vi fortsatt venter på resultater om hvorvidt denne behandlingen vil fungere, er precedensen for å ha CRISPR godkjent for prøver i menneskekroppen transformasjonell. Potensielle lidelser som kan behandles, inkluderer å forbedre kroppens immunrespons mot bestemte sykdomsvektorer.

Potensielt kan vi manipulere kroppens naturlige genetiske motstand mot en bestemt sykdom. Sykdommene som potensielt kan målrettes, er diverse, men samfunnet bør fokusere på behandlingen av den nye globale epidemi koronavirus. En trussel som, hvis den ikke blir stoppet, kan føre til en dødsdom for en stor prosentdel av befolkningen.

SLUTTENGTANKER

Mens det er mange potensielle muligheter for å oppnå suksess, vil det kreve at genetiske forskere, epidemiologer og maskinlærings-spesialister samarbeider. En potensiell behandlingsmulighet kan være som beskrevet ovenfor, eller kan vise seg å være helt annerledes, muligheten ligger i sekvenseringen av genomet til en stor del av befolkningen.

Dyp læring er det beste analyseverktøyet som mennesker noensinne har skapt; vi må i det minste prøve å bruke det til å skape en vaksine.

Når vi tar hensyn til hva som nå er på spill med denne epidemi, må disse tre vitenskapelige samfunnene samarbeide for å finne en kur.