超越病毒

病毒是偷偷摸摸的小病原体，在我们的免疫系统知道如何摧毁它们之前，可以对人体造成严重破坏。用机器学习工具武装，我们可以通过加快开发抗体的过程来超越它们。

在Carnegie Mellon University的机械工程系中的实验室，Amir Barati Farimani开发了可以推断，学习和预测基于数据的机械系统的算法。虽然他调查了一系列主题流体力学以及对材料发现和机器人的热传递，他还研究了人类健康和生物工程的挑战。

随着Covid-19大流行的爆发，Barati Farimani很快将他的实验室的焦点转移到SARS-COV-2。使用先前用于研究埃博拉和艾滋病毒等病毒的抗体的机器学习工具，他想仔细看看新的冠状病毒。

目前，科学家使用基于计算和物理的模型来筛选成千上万的抗体序列。这些型号昂贵且耗时，这些型号还需要我们尚未对SARS-COV-2的信息。

“这是机器学习可以做沉重的举重的地方，”巴提法·弗里米亚尼说。“它不仅可以”学习“复杂的抗原 - 抗体相互作用比当前的筛查方法更快，它也可以击败人类免疫系统在响应时间。“

研究团队将其他传染病病毒的可用生物数据联合到他们名为Virusnet的数据集中。然后他们用这套训练机器学习模型，选择最佳模型以筛选成千上万的潜在抗体候选人。

该模型最终鉴定了八种稳定的抗体，其在中和SARS-COV-2中具有高效。调查结果已发布在一个初步报告在生物学预打印服务器上生物奇因此，其他研究人员可以尽快访问信息。

“我们的目标是拯救生命，”巴提法法尼斯说。“分享我们的初步调查结果现在将帮助世界各地的科学家在他们的作品中对抗这种病毒。我们有同样的目标。”

Barati Farimani是Carnegie Mellon大学机械工程助理教授，在那里他指导机械和AI实验室。

---

---