Nat Mach Intell：盘算机模子帮忙寻觅COVID19医治办法

2021年2月2日讯/100医药网BIOON/---依据比来一项研讨，一种可以预测人类基因和药物互相作用方式的新的深度培训模子曾经确定了至多10种能够无望作为COVID-19疗法的化合物。 除两种药物外，一切药物均仍被以为是研讨性药物，而且正在针对丙型肝炎，真菌病，癌症和心脏病进行无效性测试。该清单还包含同意的药物环孢菌素和抗真菌药阿尼芬净。

(图片起源：Www.pixabay.com) 该发现是由盘算机迷信家做出的，这象征着必要进一步研讨证实这些药物中的某种对SARS-CoV-2感化者是平安无效的医治办法。然则，通过使用人工智能来完成这些选择，节俭了医药和临床研讨职员零碎地寻觅潜在的COVID-19药物所需的光阴和金钱本钱。

“当没有人把握无关一种新疾病的任何信息时，这种模子就阐明了人工智能若何帮忙解决若何思索能够的医治办法的成绩，” 俄亥俄州立年夜学助理传授Ping Zhang说。

研讨职员在论文中指出，曾经对模子发生的一些具备重用性的候选物在COVID-19患者中的潜在用途进行了研讨。

该研讨颁发在《Nature Machine Intelligence》杂志上。

Zhang和他的共事在2020年5月实现了该模子的设计，第一篇文章具体引见了COVID-19患者基因若何对该病毒作出反馈。研讨职员将其称为“ DeepCE”，发音为“ Deep Sea”。

为了预测基因和药物将若何互相作用并发生可替代药物的候选药物，DeepCE依赖于两个次要的地下数据起源：L1000，这是美国国立卫生研讨院赞助的人类细胞系数据存储库，其显示基因表白若何相应药物和DrugBank，此中包括无关约11,000种已同意和研讨用药物的化学构造和其他具体信息。

L1000显示尺度基因表白活性与特定药物互相作用发生的基因表白变动的并列细胞系比拟成果。细胞系代表疾病，例如黑素瘤，以及器官，例如肾脏和肺。

俄亥俄州立年夜学的研讨职员通过针对特定化合物及其剂量的算法运转一切L1000数据来训练DeepCE模子。为了填补数据空缺，该模子将化学化合物的描写转换为数字，从而自动思索它们各自的身分对基因的影响。关于L1000中未表现的基因，该团队使用了一种称为“注意力机制”的深度培训办法，以添加该模子对基因-化学化合物互相作用的“培训”样本，从而改善了框架的性能。

“以这种方式，咱们可以预测新化学物资的基因表白值，可以自动预测药物在分歧细胞系和分歧基因上的作用。”

该团队将DeepCE的基因表白预测矩阵利用于晚期COVID-19论文和其他当局数据提供的遗传信息。 COVID-19数据证实了人类基因表白对SARS-CoV-2感化的反馈若何。

“基于已知药物曾经产生并鉴定出的已知基因表白变动，咱们将其利用于所讨论的基因表白—在这种环境下，咱们正在研讨但尚未在L1000中进行试验的化合物。”Zhang说。

“一旦可能辨认出两个特征，任务就很容易。无论咱们在哪里发现这种疾病，而且一种药物显示出相反的基因表白谱，标明该药物会逆转疾病的影响，咱们能够找到了一种可以医治这种疾病的药物。”（100医药网 100yiyao.com）

资讯出处： 原始出处：Pham, TH., Qiu, Y., Zeng, J. et al. . Nat Mach Intell (2021). doi.org/10.1038/s42256-020-00285-9