人工智能在新型冠状病毒感染症(COVID-19病毒)治疗领域取得进展

除了两种药物外，所有药物仍在研究阶段，正在对其有效性进行测试丙型肝炎，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anidulafungin。

这一发现是由计算机科学家发现的，这意味着在这些药物被证实是安全有效的治疗方法之前，还有很多工作要做SARS-CoV-2。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制药和临床研究人员来寻找潜力的时间和金钱新冠肺炎零敲碎打。

俄亥俄州立大学计算机科学与工程及生物医学信息学助理教授、资深作者张平说:“当没有人对一种新疾病有任何信息时，这个模型表明，人工智能可以帮助解决如何考虑潜在治疗的问题。”

研究人员在论文中指出，已经对模型生成的一些重新利用候选者进行了研究，以确定它们在COVID-19患者中的潜在用途。张说:“英雄所悟——一些由机器智能识别的先导化合物与后来人类智能的发现相吻合。”

张某和同事于2020年5月完成了该模型的设计，就像细节如何发表对病毒的患者对病毒作出反应的第一个论文。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“深海”。

为了预测基因和药物如何相互作用，并产生药物重新利用的候选药物，DeepCE依赖于两个主要的公开数据来源:L1000是由美国国立卫生研究院(National Institutes of health)资助的人类细胞系数据库，其中显示了基因表达对药物的反应如何发生变化;以及DrugBank，其中包含了大约11,000种已批准和正在研究的药物的化学结构和其他细节信息。

L1000显示通过与特异性药物相互作用产生的基因表达的标准基因表达活性的并排细胞系比较。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，补充在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通过运行所有L1000数据来训练深度模型算法针对特定化合物及其剂量。为了填补数据空白，该模型将化合物描述转换为数字，从而自动考虑其单独成分对基因的影响。对于L1000中未显示的基因，研究小组使用了一种称为“注意机制”的深入学习方法来增加模型中基因-化学化合物相互作用的“习得”样本，从而提高了框架的性能。

“这种方式，输出证明了多任务学习 - 我们可以预测从一个细胞到一个细胞的新化学物质的基因表达值，但是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。”

“故事应该到此为止，这是我们春假时的情况。但后来新冠病毒-19出现了，我们希望我们的研究能有所帮助，所以我们为新冠病毒-19药物的重新用途做了一个特殊的案例研究。”

该团队将DeepCE的基因表达预测矩阵(专注于来自肺和气道细胞系和整个药物库的化合物目录的数据)应用到早期COVID-19论文和其他政府数据提供的遗传信息中。COVID-19数据显示了人类基因表达对感染SARS-CoV-2的反应，创造了一种“疾病特征”。

“基于已知的已知药物的已知基因表达变化并用已知的药物鉴定，我们将其应用于问题中的基因表达 - 在这种情况下，正在研究的化合物但尚未在L1000中进行实验。我们把这样的预测所预测的张说，药物签名对人口层面的患者概况。“

“一旦你可以识别这两个签名，就可以轻松。无论我们发现这种疾病和药物都有相对的基因表达曲线，都表明药物会逆转疾病的影响，你已经发现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，这些模型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重新淘洗和毒性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，以便为包括未知疾病的疾病的新药物联系起来。“

该研究发表于自然机器智力。