病毒是一种狡猾的小病原体,在我们的免疫系统知道如何摧毁它们之前,就能对人体造成严重破坏。有了机器学习工具,我们就可以通过加速抗体的形成来战胜它们。
在卡耐基梅隆大学机械工程系的实验室里,Amir Barati Farimani开发了能够基于数据推断、学习和预测机械系统的算法。他研究了一系列的课题,从流体力学和传热到材料发现和机器人技术,他还研究了人类健康和生物工程的挑战。Barati Farimani是卡耐基梅隆大学机械工程助理教授,他在那里指导机械和人工智能实验室。
随着COVID-19大流行的爆发,Barati Farimani很快将他的实验室的重点转移到SARS-CoV-2研究上。此前,他曾使用机器学习工具来研究埃博拉病毒和艾滋病病毒的抗体,现在他想进一步研究这种新型冠状病毒。
目前,科学家们使用基于计算和物理的模型来筛选成千上万的抗体序列。这些模型既昂贵又耗时,还需要我们尚未掌握的关于SARS-CoV-2的信息。
“这就是机器学习可以完成繁重任务的地方,”Barati Farimani说。“它不仅能比目前的筛选方法更快地‘学习’复杂的抗原-抗体相互作用,还能在反应时间上超过人类的免疫系统。”
研究小组将现有的其他传染性病毒的生物数据整合到他们命名为VirusNet的数据集中。然后,他们用这组数据来训练机器学习模型,选择性能最好的模型来筛选成千上万的潜在抗体候选。
该模型最终鉴定出8种稳定的抗体,它们在中和SARS-CoV-2方面非常有效。这些发现被发布在生物学预印本服务器bioRxiv的初步报告中,以便其他研究人员能够尽快获得这些信息。
“我们的目标是拯救生命,”Barati Farimani说。“现在分享我们的初步发现,将有助于世界各地的其他科学家抗击这种病毒的工作。我们有着共同的目标。”
-
人工智能
+关注
关注
1791文章
47208浏览量
238304 -
机器学习
+关注
关注
66文章
8408浏览量
132580 -
数据集
+关注
关注
4文章
1208浏览量
24691
发布评论请先 登录
相关推荐
评论