计算机模型在寻找COVID-19治疗方法方面取得进展

一种新的深度学习模型可以预测人类基因和药物将如何相互作用，该模型已识别出至少10种化合物，可能有望成为COVID-19的治疗方法。

除了两种药物仍然被认为是针对丙型肝炎的有效性，真菌疾病，癌症和心脏病。该列表还包括批准的药物环孢菌素，一种免疫抑制剂，可防止移植器官排斥和抗真菌剂的Anidulafungin。

该发现是由计算机科学家制作的，这意味着在任何这些药物中都需要做更多的工作需要做更多的工作，以确认为感染SARS-COV-2的人们的安全有效治疗。但是，通过使用人工智能到达这些选择，科学家们已经挽救了药品和临床研究人员，以零碎的基础来寻找潜在的Covid-19药物的时间和金钱。

“当没有人有关于新疾病的任何信息时，该模型展示了如何人工智能可以帮助解决如何考虑潜在治疗的问题，”俄亥俄州立大学计算机科学、工程和生物医学信息学助理教授、资深作者张平说。

研究人员在论文中指出，已经对该模型生成的几个重新利用的候选药物进行了研究，以了解它们在COVID-19患者中的潜在用途。

“伟大的思想认为，通过机器智能鉴定的一些铅化合物与人类智慧的后期发现一致，”张说。

这项研究发表在今天(2月1日)自然机器智力。

张和同事于2020年5月完成了该模型的设计，就像细节如何患有Covid-19患者的第一卷基因对病毒进行了回应发表。新信息为计算机模型提供了重要的考验，研究人员称之为“深入” - 分散的“深海”。

预测基因和药物如何互动和产量药品DeepCE依靠两个主要的公开数据来源:L1000，一个由国家卫生研究院资助的人类细胞系数据库，展示了如何使用这些数据基因表达的变化响应药物和药物银行，其中包含有关约11,000名批准和调查药物的化学结构和其他细节的信息。

L1000显示通过与特定药物相互作用产生的基因表达的标准基因表达活性的双侧细胞系比较。细胞系代表疾病，如黑素瘤和器官，如肾脏和肺。它是一个正在进行的项目，数据被添加为动物或人类的实验，补充细胞系实验中产生的基因表达谱。

俄亥俄州国家研究人员通过针对特定化学化合物及其剂量的算法运行所有L1000数据培训了深度模型。为了填补数据差距，该模型将化学复合描述转换为数字，允许自动考虑它们对基因的单独组分的影响。对于在L1000中没有代表的基因，该团队使用了一个被称为“注意机制”的深度学习方法来增加模型的“学习”的基因化学复合相互作用，这提高了框架的性能。

“这种方式，输出证明了多任务学习 - 我们可以预测从一种细胞到一个细胞的新化学物质的基因表达值，但自动预测药物对不同细胞系和不同基因的作​​用，”张某表示医学实验室的人工智能是俄亥俄州州俄亥俄州翻译数据分析研究所的核心教师。“我们可以使用计算机模拟药物诱导的基因表达。这提供了实际价值。”

“故事应该在这里停下来 - 这是我们在春假期间的地方。然后Covid-19到了，我们希望我们的研究可以提供帮助，所以我们对Covid-19药物重估做了一个特殊的案例研究。”

该团队应用了深入的基因表达预测矩阵 - 专注于来自肺和气道细胞系的数据和化合物的整个药物银行目录 - 从早期Covid-19文件提供的遗传信息和额外的政府数据。Covid-19数据证明人类基因表达如何应对感染SARS-COV-2，产生“疾病签名”。

“基于已发生的已知基因表达变化，并已被已知药物识别，我们将其应用于有问题的基因表达——在这种情况下，化合物正在研究，但尚未在L1000实验。我们将这些预测的‘药物签名’与COVID-19患者的资料进行人群水平比对。”

一旦你能识别两个签名，工作就简单了。只要我们发现这种疾病和一种药物表现出相反的基因表达谱，表明这种药物将逆转这种疾病的影响，你就找到了一种可能治疗这种疾病的药物。”

该模型补充了Zhang中描述的Zhang中描述的Zhang中描述的Zhang，其使用观察临床数据模拟临床试验。

张说，“我希望使用多个观点的药物修复和毒品 - 疾病协会的所有不同数据资源进行研究议程，并与可以与我们合作的研究人员联系，以寻找新的疾病 - 包括未知疾病的新药。”

---

---