Superando a un virus
¿Podemos acelerar el proceso de descubrimiento de anticuerpos para combatir enfermedades virales altamente infecciosas como el COVID-19? Crédito: Gerd Altmann, Pixabay
Los virus son pequeños patógenos furtivos que pueden causar estragos en el cuerpo humano antes de que nuestro sistema inmunológico sepa cómo destruirlos. Armados con herramientas de aprendizaje automático, podemos ser más astutos que ellos acelerando el proceso de desarrollo de anticuerpos.
En su laboratorio del Departamento de Ingeniería Mecánica de la Universidad Carnegie Mellon, Amir Barati Farimani desarrolla algoritmos que pueden inferir, aprender y predecir sistemas mecánicos basados en datos. Mientras investiga una variedad de temas, desde la mecánica de fluidos y la transferencia de calor hasta el descubrimiento de materiales y la robótica, también investiga la salud humana y los desafíos de la bioingeniería.
Con el brote de la pandemia de COVID-19, Barati Farimani cambió rápidamente el enfoque de su laboratorio al SARS-CoV-2. Habiendo usado herramientas de aprendizaje automático anteriormente para estudiar anticuerpos para virus como el ébola y el VIH, quería echar un vistazo más de cerca al nuevo coronavirus.
Actualmente, los científicos usan modelos computacionales y basados en la física para detectar miles de anticuerpos. secuencias. Estos modelos, costosos y lentos, también requieren información que aún no tenemos sobre el SARS-CoV-2.
«Aquí es donde el aprendizaje automático puede hacer el trabajo pesado», dijo Barati Farimani. «No solo puede ‘aprender’ las complejas interacciones antígeno-anticuerpo mucho más rápido que los métodos de detección actuales, sino que también puede vencer al sistema inmunitario humano en el tiempo de respuesta».
El equipo de investigación combinó los datos biológicos disponibles sobre otros virus infecciosos en un conjunto de datos al que llamaron VirusNet. Luego usaron este conjunto para entrenar modelos de aprendizaje automático, seleccionando el modelo de mejor rendimiento para evaluar miles de posibles candidatos a anticuerpos.
El modelo finalmente identificó ocho anticuerpos estables que fueron altamente eficientes para neutralizar el SARS-CoV-2. Los hallazgos se publicaron en un informe preliminar en el servidor de preimpresión de biología bioRxiv para que otros investigadores tuvieran acceso a la información lo antes posible.
«Nuestro objetivo es salvar vidas», dijo Barati Farimani. «Compartir nuestros hallazgos preliminares ahora ayudará a otros científicos de todo el mundo en su trabajo para combatir este virus. Tenemos el mismo objetivo».
Barati Farimani es profesor asistente de ingeniería mecánica en la Universidad Carnegie Mellon, donde dirige el Laboratorio de Mecánica e IA.
Explore más
Una forma más eficiente de convertir el agua salada en agua potable Más información: Rishikesh Magar et al. Posibles anticuerpos neutralizantes descubiertos para el nuevo virus Corona mediante el aprendizaje automático, (2020). DOI: 10.1101/2020.03.14.992156 Proporcionado por Carnegie Mellon University Mechanical Engineering Cita: Outsmarting a virus (6 de abril de 2020) recuperado el 31 de agosto de 2022 de https://medicalxpress.com/news/2020-04 -outsmarting-virus.html Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.