یک جدید هوش مصنوعی ابزاری که جهشهای ویروسی را پیشبینی میکند میتواند درمانهای COVID-19 و همهگیری بعدی را راهنمایی کند.
این سیستم با نام EVEscape در دانشکده پزشکی هاروارد و دانشگاه آکسفورد توسعه یافته است. در آزمایشها، این ابزار بهطور دقیق نگرانکنندهترین و رایجترین گونههای ویروس SARS-CoV-2 را که در طول همهگیری پدیدار شد، پیشبینی کرد.
یک مطالعه منتشر شده در هفته گذشته در طبیعت مجموعه ای از نتایج امیدوارکننده را نشان داد. پیشبینیهای EVEscape دقیقتر از روشهای تجربی، در حالی که سریعتر و کارآمدتر از آزمایشهای مبتنی بر آزمایشگاه بود. این ابزار همچنین با موفقیت درمانهایی را مشخص کرد که میتوانستند انواع جدید را تحت کنترل درآورند.
پیشبینیها در حال حاضر به تلاشهای نظارتی همهگیر اطلاعرسانی میکنند. بیش از یک سال است که محققان در حال انتشار هستند رتبه بندی دو هفته ای از نگران کننده ترین سویه های جدید SARS-CoV-2. این یافته ها با گروه هایی از جمله سازمان بهداشت جهانی (WHO) به اشتراک گذاشته می شود.
پاسکال نوتین، محقق دانشگاه آکسفورد که یکی از نویسندگان این مطالعه است، به TNW گفت: «هنوز هزاران سویه جدید هر ماه در حال ظهور هستند – برای آزمایش تجربی بسیار زیاد. “EVEscape به ما امکان می دهد تا به سرعت سطح تهدید گونه های جدید را تعیین کنیم.”
نوتین و همکارانش همچنین از EVEscape برای پیش بینی موفقیت آمیز جهش HIV و آنفولانزا استفاده کرده اند. آنها اکنون در حال آزمایش این ابزار بر روی ابزارهای کمتر شناخته شده ای هستند که می تواند باعث ایجاد بیماری های همه گیر شود، مانند Nipah و Lassa.
در آیندهمحققین طراحی واکسن EVEscape را در نظر می گیرند. در حال حاضر، واکسن ها و درمان ها به صورت گذشته نگر در برابر جهش های همه گیر قبلی آزمایش می شوند.
EVEscape میتواند ارزیابیهایی را درباره جایی که ویروس ممکن است در مرحله بعدی قرار گیرد اضافه کند. این امید را برای یک درمان جدید قدرتمند ایجاد می کند: واکسن های مقاوم در برابر انواع.
چگونه EVEscape جهش های ویروس را پیش بینی می کند
ابزار جدید بر اساس یک مدل مولد به نام است حوا (مدل تکاملی اثر متغیر).
در ابتدا، EVE برای پیشبینی خطرات جهشهای ژنتیکی که باعث بیماریهای انسانی مانند سرطان میشوند، توسعه یافت. زمانی که COVID-19 به طرز نگران کننده ای در جهش فراتر از محدودیت های درمان مهارت داشت، محققان مدل خود را با SARS-CoV-2 تطبیق دادند.
مدل های مولد دارای نقاط قوت منحصر به فردی برای این کار هستند. یکی از جنبههای کلیدی پیشبینی اینکه کدام جهشها از مصونیت دور میشوند این است که آیا به اصطلاح «تناسب» پروتئین ویروسی را حفظ میکنند یا خیر. این تناسب منجر به یک پروتئین عملکردی می شود که بیان می کند، تا می شود و به گیرنده سلول میزبان متصل می شود.
نودین گفت: «مدلهای مولد آموزشدیده بر روی توالیهای تکاملی در حمایت از این پیشبینی بسیار مفید هستند.
برای انجام پیشبینیها، EVE برای یادگیری یک نمایش فشرده از مسلم – قطعی توالی پروتئین این توالی ها تناسب اندام خود را طی هزاران تا میلیون ها سال تکامل حفظ کرده اند.
نودین توضیح داد: «با انجام این کار، باید به طور ضمنی محدودیتهای بیوشیمیایی که زیربنای توالیهای عملکردی هستند را بیاموزد. ما متعاقباً میتوانیم از این درک برای پیشبینی اینکه آیا اشکال جدید جهشیافته برای این پروتئین – چه پروتئینهای انسانی یا ویروسی باشند – خود عملکردی خواهند داشت، استفاده کنیم.
مبارزه آینده هوش مصنوعی با ویروس ها
سازگاری EVEscape از سادگی آن ناشی می شود. این ابزار از مجموعه داده ای که فقط از توالی های پروتئین ویروسی و ساختار آنها تشکیل شده است، یاد می گیرد. در نتیجه، می توان آن را برای هر ویروسی و در همان ابتدای یک بیماری همه گیر اعمال کرد.
نودین گفت: «این یک پیشرفت بزرگ نسبت به روشهایی است که معمولاً باید منتظر بمانند تا آنتیبادیهای همهگیر مربوطه برای آزمایش در دسترس باشند.»
یکی دیگر از رشته های کمان EVEscape طراحی مدولار آن است. هنگامی که مدل های مولد قدرتمندتر ظهور می کنند، مدل های پیش بینی تناسب اندام فعلی را می توان به سرعت جایگزین کرد.
COVID-19 همچنین کاربردهای بالقوه EVEscape را گسترش داده است. تیهمهگیری او درسهای مهمی در مورد پیشبینیهای هوش مصنوعی ارائه کرد – و مجموعهای از آن داده ها. با آن ثروت از اطلاعات، EVEscape میتواند پیشبینیهای دقیق و شگفتآوری در مورد ویروسهایی که کمتر مورد مطالعه قرار گرفتهاند و دادههای کمیاب برای آنها داریم، انجام دهد. این می تواند در شیوع های آینده بسیار ارزشمند باشد.
منبع: https://thenextweb.com/news/evescape-ai-predicts-virus-mutations-covid-19-vaccines