Can Machine Learning Help Us Fight against the Novel Coronavirus?
We can define viruses as extremely tiny criminals which aim to destroy their host’s body, and sometimes the viruses accomplish their mission before our immune system can find the way to eliminate them and saves our lives. Hence, Carnegie Mellon University (CMU) is working on the project aiming at speeding up the process of developing antibodies with the help of machine learning.
As there are none of countries safe from the outbreak of the COVID-19 pandemic, Amir Barati Farimani from CMU’s Department of Mechanical Engineering wants to apply his expertise on algorithms to support doctors and fight against the virus.
With machine learning tools that were previously used for studying antibodies for viruses like Ebola and HIV, Barati Farimani hoped to gain better understanding of the novel coronavirus. Similarly, machine learning may be more effective than the computational and physics-based models which scientists are using currently because these models require information about SARS-CoV-2 that we do not have now.
“This is where machine learning can do the heavy lifting,” said Barati Farimani. “Not only can it ‘learn’ the complex antigen-antibody interactions much more quickly than the current screening methods, it can also beat the human immune system in response time.”
With VirusNet—the dataset that came from the combination of available biological data and other infectious viruses, the researchers could train machine learning models, and selected the one that delivers best performance to screen many potential antibody candidates.
According to the team, “the model could eventually identify eight stable antibodies which were efficient in neutralizing SAR-CoV-2.” The findings were posted in a preliminary report on the open-source outlet bioRxiv so that other researchers would have access to the information as soon as possible.
“Our goal is to save lives,” said Barati Farimani. “Sharing our preliminary findings now will help others scientists around the world in their work to fight this virus. We have the same goal.”
Retrieved from: https://engineering.cmu.edu/news-events/news/2020/04/10-outsmarting-a-virus.html
Machine Learning อาจช่วยเร่งการรักษา COVID-19
“ไวรัส” ได้รับการนิยามว่าเป็นอาชญากรขนาดจิ๋ว ที่มีเป้าหมายในการทำร้ายอวัยวะในร่างกายของใครก็ตามที่ได้รับมันเข้าไป และบางครั้ง เจ้าอาชญากรตัวจิ๋วดังกล่าวสามารถทำภารกิจของมันได้สำเร็จลุล่วง ก่อนที่ระบบภูมิคุ้มกันของเราจะสามารถขจัดมันออกจากร่างกายได้เสียอีก นั่นจึงเป็นเหตุผลที่ทำให้นักวิจัยทั่วโลกต่างคิดวิธีที่จะป้องกันและจัดการไวรัส ขณะนี้ คาร์เนกีเมลลอน มหาวิทยาลัยอันดับต้น ๆ ด้านเทคโนโลยีกำลังพัฒนา Machine Learning หรือที่เรารู้จักกันในชื่อ “เทคโนโลยีที่เรียนรู้ได้ด้วยตัวเอง” มาช่วยเร่งการพัฒนาแอนติบอดี (สารภูมิต้านทาน) สำหรับจัดการไวรัส โดยเฉพาะอย่างยิ่ง ไวรัส COVID-19
เมื่อไม่มีประเทศใดในโลกรอดพ้นจากไวรัส COVID-19 ดังนั้น Amir Barati Farmani จากมหาวิทยาลัยคาร์เนกีเมลลอน ภาควิชาวิศวกรรมเครื่องกลได้ใช้ความเชี่ยวชาญในระบบอัลกอริทึมมาช่วยเหลือแพทย์ผู้เชี่ยวชาญ และต่อสู้กับการระบาดของไวรัส
Amir หวังว่าเขาจะสามารถเข้าใจในไวรัส COVID-19 ได้มากยิ่งขึ้น ด้วยการใช้งาน Machine Learning ที่เคยถูกใช้เพื่อศึกษาแอนติบอดีสำหรับไวรัส เช่น Ebola และ HIV ในทำนองเดียวกัน เหตุผลที่เขาเลือกใช้ Machine Learning คือมันอาจมีประสิทธิภาพยิ่งกว่า การคำนวณจากคอมพิวเตอร์ และการใช้โมเดลทางฟิสิกส์ ที่เหล่านักวิทยาศาสตร์กำลังใช้อยู่ในปัจจุบัน อันเนื่องมาจากโมเดลเหล่านี้ต้องการข้อมูลจำนวนมากของไวรัส SAR-CoV-2 (COVID-19) ซึ่งเราแทบจะไม่มีในตอนนี้
Amir กล่าวว่า “นี่คือสิ่งที่ Machine Learning สามารถทำได้อย่างมีประสิทธิภาพ มันไม่เพียงแค่เรียนรู้ข้อมูลที่ซับซ้อนด้านการประสานงานของแอนติเจนและแอนติบอดีได้อย่างรวดเร็วกว่าวิธีการปัจจุบัน แต่มันยังสามารถเข้าใจในระบบภูมิคุ้มกันของมนุษย์ในระยะเวลาตอบสนองอีกด้วย”
และด้วยการใช้งาน VirusNet ซึ่งคือระบบฐานข้อมูลที่มาจากการผสมผสานข้อมูลทางชีวภาพและไวรัสอื่น นักวิจัยจึงสามารถฝึกฝน Machine Learning Model ได้ และ นักวิจัยได้คัดเลือก Model ที่มีประสิทธิภาพสูงสุดเพื่อใช้ในการกลั่นกรองเหล่าแอนติบอดีกว่าหนึ่งพันชนิด สำหรับต่อสู้กับไวรัส SAR-CoV-2
ผลวิจัยพบว่า Model ที่ได้รับการคัดเลือกสามารถชี้ตัว แอนติบอดี 8 ชนิดที่มีประสิทธิภาพสูงมากสำหรับการต่อต้าน SAR-CoV-2 โดยผลวิจัยได้รับการตีพิมพ์ในรายงานขั้นต้นของ bioRxiv เพื่อเปิดโอกาสให้นักวิจัยท่านอื่นสามารถนำข้อมูลไปต่อยอดได้
“เป้าหมายของเราคือการรักษาชีวิตประชาชน และการเผยแพร่ผลวิจัยจะสามารถสนับสนุนนักวิทยาศาสตร์ท่านอื่น ๆ ทั่วโลกให้สามารถต่อสู้กับไวรัสได้ นี่เหลือคือเป้าหมายสูงสุดของเราทุกคน”
Retrieved from: https://engineering.cmu.edu/news-events/news/2020/04/10-outsmarting-a-virus.html
