一种机器学习方法来寻找COVID19的治疗方案杭琳峰

一种机器学习方法来寻找COVID-19的治疗方案

麻省理工学院的电气工程与计算机科学系和数据，系统与社会研究所的计算生物学家，麻省理工学院和哈佛大学广泛的准会员卡洛琳·乌勒说：“制造新药将永远永远。” “真的，唯一权宜之计是重新利用现有药物。”

Uhler的团队现在已经开发出一种基于机器学习的方法，以识别市场上已有的药物，这些药物可能会被重新用于对抗COVID-19，特别是在老年人中该系统解释了由疾病和衰老引起的肺细胞基因表达的变化。

这种组合可以使医学专家更快地寻找倾向于经历更严重症状的老年患者进行临床测试的药物。研究人员确定了RIPK1蛋白是COVID-19药物的有希望的靶标，他们确定了三种批准的可作用于RIPK1表达的药物。

这项研究今天发表在《自然通讯》杂志上。合著者包括麻省理工学院的博士学位。学生Anastasiya Belyaeva，Adityanarayanan Radhakrishnan，Chandler Squires和Karren Dai Yang以及博士学位。哈佛大学的学生Louis Cammarata和瑞士ETH Zurich的长期合作伙伴GV Shivashankar。

在大流行初期，很明显，平均而言，COVID-19对老年患者的伤害要大于年轻患者。乌勒的团队想知道为什么。她说：“普遍的假设是免疫系统老化。” 但是乌勒和希瓦尚卡提出了另外一个因素：“由于衰老而发生的肺部主要变化之一是变硬了。”

即使在响应相同信号的情况下，硬化的肺组织也显示出与年轻人不同的基因表达模式。Uhler说：“ Shivashankar实验室的早期工作表明，如果用细胞因子刺激更坚硬的底物上的细胞，就像病毒一样，它们实际上会打开不同的基因，” Uhler说。“因此，这激发了这一假设。我们需要与SARS-CoV-2一起研究衰老-这两个途径的交汇点是什么基因？” 为了选择可能在这些途径上起作用的已获批准的药物，研究小组转向了大数据和人工智能。

研究人员分三步确定了最有希望的药物重用候选药物。首先，他们使用称为自动编码器的机器学习技术生成了大量可能的药物。接下来，他们绘制了涉及衰老和SARS-CoV-2感染的基因和蛋白质网络。

最后，他们使用统计算法来了解该网络中的因果关系，从而使他们能够查明导致整个网络级联效应的“上游”基因。原则上，靶向那些上游基因和蛋白质的药物应成为临床试验的有希望的候选者。

为了生成潜在药物的初始清单，该团队的自动编码器依赖于基因表达模式的两个关键数据集。一个数据集显示了各种细胞类型中的表达如何对市场上已有的多种药物产生反应，另一个数据集显示了表达如何对SARS-CoV-2感染产生响应。

自动编码器对数据集进行搜索以突出显示对基因表达有影响的药物，该药物似乎可以抵消SARS-CoV-2的影响。Radhakrishnan指出：“自动编码器的这种应用具有挑战性，需要对这些神经网络的工作有基础的见解，这是我们最近在PNAS上发表的一篇论文中开发的。”

接下来，研究人员通过关注关键的遗传途径，缩小了潜在药物的范围。他们绘制了涉及衰老和SARS-CoV-2感染途径的蛋白质的相互作用。然后他们确定了两个地图之间的重叠区域。这项努力指出了精确的基因表达网络，该药物是针对老年患者对抗COVID-19所需要的。

Belyaeva说：“在这一点上，我们的网络是无向的，这意味着研究人员尚未确定哪些基因和蛋白质是“上游”的，哪些是“下游”的。理想的候选药物应将基因靶向网络的上游末端，以最大程度地减少感染的影响。

Belyaeva说：“我们想鉴定一种对所有这些差异表达的下游基因都有影响的药物。” 因此，该团队使用了在交互系统中推断因果关系的算法，将其无向网络变成因果网络。最终的因果网络将RIPK1确定为潜在COVID-19药物的靶基因/蛋白质，因为它具有许多下游作用。研究人员确定了一系列作用于RIPK1的批准药物，这些药物可能具有治疗COVID-19的潜力。以前，这些药物已被批准用于癌症。还确定了其他药物，包括利巴韦林和奎那普利，已经在COVID-19的临床试验中。

乌勒计划与制药公司分享研究小组的发现。她强调指出，在他们确定的任何药物被批准用于COVID-19老年患者的重新用途之前，都需要进行临床测试以确定疗效。尽管这项特定的研究集中在COVID-19上，但研究人员说他们的框架是可扩展的。Belyaeva说：“我很高兴这个平台可以更广泛地应用于其他感染或疾病。” Radhakrishnan强调收集有关各种疾病如何影响基因表达的信息的重要性。他说：“我们在这个空间中拥有的数据越多，效果越好。”

滤料石英砂价格

太阳能路灯厂家

MGNZ3004压力源校验仪

廊坊印刷公司

深圳平板电脑