Mänsklig gensekvensering och djupinlärning kan leda till ett coronavirusvaccin – Åsikt

AI-samhället måste samarbeta med genetiker för att hitta en behandling för de som anses vara mest utsatta för coronavirus. En potentiell behandling kan innebära att man tar bort en persons celler, redigerar DNA:t och sedan injicerar cellerna tillbaka, nu med en framgångsrik immunreaktion. Detta arbetas för närvarande med för vissa andra vacciner.

Det första steget skulle vara att sekvensera hela den mänskliga genomen från en stor del av befolkningen.

Sequencing Human Genomes

Att sekvensera den första mänskliga genomen kostade 2,7 miljarder dollar och tog nästan 15 år att slutföra. Den nuvarande kostnaden för att sekvensera en hel människa har minskat dramatiskt. Så sent som 2015 var kostnaden 4 000 dollar, nu är kostnaden mindre än 1 000 dollar per person. Denna kostnad kan sjunka några procentenheter mer när ekonomisk skala beaktas.

Vi behöver sekvensera genomet från två olika typer av patienter:

1. Infekterad med coronavirus; men frisk
2. Infekterad med coronavirus; men dålig immunreaktion

Det är omöjligt att förutsäga vilken datapunkt som kommer att vara mest värdefull, men varje sekvenserat genom kommer att ge en dataset. Ju mer data, desto fler alternativ finns det för att lokalisera DNA-variationer som ökar kroppens motståndskraft mot sjukdomsvektorn.

Länder förlorar för närvarande trillions av dollar på grund av denna utbrott, kostnaden på 1 000 dollar per mänskligt genom är försumbar i jämförelse. En minimum av 1 000 frivilliga för båda segmenten av befolkningen skulle utrusta forskare med betydande volymer av stordata. Om försöket ökar i storlek med en order av magnitude, kommer AI att ha ännu mer träningsdata, vilket kommer att öka chanserna till framgång med flera ordningar av magnitude. Ju mer data, desto bättre, vilket är varför ett mål på 10 000 frivilliga bör strävas efter.

Machine Learning

Medan flera funktioner av maskinlärning kommer att vara närvarande, kommer djupinlärning att användas för att hitta mönster i data. Till exempel kan det finnas en observation att vissa DNA-variabler korrelerar med en hög immunitet, medan andra korrelerar med en hög mortalitet. Som minimum kommer vi att lära oss vilka segment av befolkningen som är mer mottagliga och bör karantänas.

För att tolka denna data kommer en artificiell neural nätverk (ANN) att placeras på molnet, och sekvenserade mänskliga genomer från hela världen kommer att laddas upp. Med tanke på att tiden är av yttersta vikt, kommer parallell beräkning att minska den tid som krävs för att ANN ska kunna utföra sitt underverk.

Vi kunde sogar ta det ett steg längre och använda utdata som sorteras av ANN och mata in den i ett separat system som kallas Recurrent Neural Network (RNN). RNN använder förstärkt inlärning för att identifiera vilken gen som valts av den initiala ANN som är mest framgångsrik i en simulerad miljö. Förstärkt inlärningsagenten kommer att göra hela processen att skapa en simulerad miljö till ett spel, för att testa vilka DNA-förändringar som är mer effektiva.

En simulerad miljö är som en virtuell spelmiljö, något som många AI-företag är väl positionerade att dra nytta av baserat på deras tidigare framgång i att utforma AI-algoritmer för att vinna på e-sport. Detta inkluderar företag som DeepMind och OpenAI.

Dessa företag kan använda sin underliggande arkitektur, som är optimerad för att bemästra videospel, för att skapa en simulerad miljö, testa genredigeringar och lära sig vilka redigeringar som leder till specifika önskade förändringar.

När en gen har identifierats, används en annan teknik för att göra redigeringarna.

CRISPR

Nyligen godkändes den första studien som använder CRISPR för att redigera DNA i den mänskliga kroppen. Detta var för att behandla en sällsynt typ av genetisk störning som påverkar en av 100 000 nyfödda. Tillståndet kan orsakas av mutationer i så många som 14 gener som spelar en roll i tillväxten och driften av näthinnan. I detta fall syftar CRISPR till att noggrant rikta in sig på DNA och orsaka lätt tillfällig skada på DNA-strängen, vilket får cellen att reparera sig själv. Det är denna restaurerande läkningsprocess som har potentialen att återställa synen.

Medan vi fortfarande väntar på resultaten av om denna behandling kommer att fungera, är precedensen att ha CRISPR godkänt för försök i den mänskliga kroppen revolutionerande. Potentiella störningar som kan behandlas inkluderar förbättring av kroppens immunreaktion mot specifika sjukdomsvektorer.

Potentiellt kan vi manipulera kroppens naturliga genetiska motståndskraft mot en specifik sjukdom. De sjukdomar som potentiellt kan påverkas är diversifierade, men samhället bör fokusera på behandlingen av den nya globala epidemin coronavirus. Ett hot som, om det inte kontrolleras, kan leda till en dödsdom för en stor andel av befolkningen.

SLUTTANKAR

Medan det finns många potentiella alternativ för att uppnå framgång, kommer det att kräva att genetiker, epidemiologer och maskinlärningsspecialister enas. En potentiell behandlingsalternativ kan vara som beskrivits ovan, eller kan avslöjas för att vara otänkbart annorlunda, möjligheten ligger i gensekvenseringen av en stor del av befolkningen.

Djupinlärning är det bästa analysverktyget som människor någonsin har skapat; vi måste åtminstone försöka använda det för att skapa ett vaccin.

När vi tar i beaktande vad som för närvarande är på spel med denna nuvarande epidemi, behöver dessa tre vetenskapliga samhällen komma samman för att arbeta på en kur.