Forskere bruger maskinlæring til at opdage coronavirusbehandlinger

To kandidater fra Data Science Institute (DSI) ved Columbia University bruger beregningsdesign til hurtigt at opdage behandlinger for coronavirus.

Andrew Satz og Brett Averso er administrerende direktør og teknologichef, henholdsvis, af EVQLV, en opstart, der opretter algoritmer, der er i stand til beregningsmæssigt at generere, screening, og optimering af hundredvis af millioner af terapeutiske antistoffer. De anvender deres teknologi til at opdage behandlinger, der sandsynligvis vil hjælpe dem, der er inficeret af virussen, der er ansvarlig for COVID-19. Maskinlæringsalgoritmerne screener hurtigt for terapeutiske antistoffer med stor sandsynlighed for succes.

At gennemføre antistofopdagelse i et laboratorium tager typisk år; det tager bare en uge for algoritmerne at identificere antistoffer, der kan bekæmpe virussen. At fremskynde udviklingen af ​​en behandling, der kan hjælpe inficerede mennesker, er kritisk, siger Satz, som er en DSI -alumnus i 2018 og kandidat fra Columbia's School of General Studies i 2015.

"Vi reducerer den tid, det tager at identificere lovende antistofkandidater, "siger han." Undersøgelser viser, at det i gennemsnit tager fem og en halv milliard dollars at opdage og optimere antistoffer i et laboratorium. Vores algoritmer kan reducere denne tid og omkostninger betydeligt. "

At fremskynde den første fase af processen-antistofopdagelse-går langt i retning af at fremskynde opdagelsen af ​​en behandling for COVID-19. Efter at EVQLV har udført opdagelse og optimering af beregningsmæssigt antistof, den sender de lovende antistof -gensekvenser til sine laboratoriepartnere. Laboratorieteknikere konstruerer og tester derefter antistofferne, en proces, der tager et par måneder, i modsætning til flere år. Antistoffer, der viser sig at være succesrige, går videre til dyreforsøg og endelig, menneskelige undersøgelser.

I betragtning af den internationale presserende behandling af coronavirus, Satz siger, at det kan være muligt at have en behandling klar til patienter inden udgangen af ​​2020.

"Hvad vores algoritmer gør er at reducere sandsynligheden for fejl i lægemiddelopdagelse i laboratoriet, "tilføjer han." Vi fejler i computeren så meget som muligt for at reducere muligheden for nedstrømsfejl i laboratoriet. Og det barberer en betydelig mængde tid fra besværligt og tidskrævende arbejde. "

Averso, som også er en DSI -alumnus i 2018, siger, at nogle af de antistoffer, som EVQLV designer, er beregnet til at forhindre, at coronavirus fastgøres til menneskekroppen. "De højre formede antistoffer binder sig til proteiner, der sidder på overfladen af ​​menneskelige celler og coronavirus, ligner en lås og nøgle. En sådan binding kan forhindre spredning af virus i menneskekroppen, potentielt begrænser sygdommens virkninger. "

Han bemærkede også, at det videnskabelige samfund og bioteknologi er galvaniseret for at skabe samarbejde, der frembringer terapi, diagnostik, og vacciner så hurtigt som muligt.

EVQLV samarbejder med Immunoprecise Antibodies (IPA), et firma fokuseret på opdagelsen af ​​terapeutiske antistoffer. Samarbejdet vil fremskynde bestræbelserne på at udvikle terapeutiske kandidater mod COVID-19. EVQLV identificerer og screener hundredvis af millioner af potentielle antistofbehandlinger på kun få dage - langt ud over ethvert laboratoriums kapacitet. IPA vil producere og teste de mest lovende antistofkandidater.

Satz og Averso, der mødtes mens studerende på DSI, er dybt engagerede i at bruge "data for godt." Parret har arbejdet sammen i flere år i skæringspunktet mellem datavidenskab og sundhedspleje og dannede EVQLV i december 2019 for at bruge AI til at accelerere den hastighed, hvormed helbredelse opdages, udviklede sig, og leveret. Virksomheden er allerede vokset til 12 teammedlemmer med færdigheder lige fra maskinlæring og molekylærbiologi til software engineering og antistofdesign, skyen, og klinisk udvikling.

Begge DSI-kandidater lægger typisk 100 timers arbejdsuger ind, fordi de brænder for og er engagerede i at bruge datavidenskab til at "hjælpe med at helbrede dem, der har brug for det."

"Vi bygger et firma, der sidder ved grænserne for AI og bioteknologi, "Satz siger." Vi arbejder hårdt på at fremskynde den hastighed, hvormed helbredelse opdages og leveres og kunne ikke bede om en mere tilfredsstillende mission. "