ການນໍາໃຊ້ເຄືອຂ່າຍ neural ທຽມສາມາດຫຼຸດຜ່ອນເວລາຄອມພິວເຕີທີ່ຕ້ອງການເພື່ອສ້າງວັກຊີນມະເຮັງສ່ວນບຸກຄົນ, ເຊິ່ງປະຈຸບັນແມ່ນຂະບວນການທີ່ຍາວນານ, ຫນ້ອຍກວ່າຫນຶ່ງຊົ່ວໂມງ, ຜູ້ອໍານວຍການສູນຄົ້ນຄວ້າໂລກລະບາດແລະຈຸລິນຊີແຫ່ງຊາດ Gamaleya (ລັດເຊຍ), Alexander Gintsburg, ບອກ TASS.
"ປະຈຸບັນ, ມັນໃຊ້ເວລາດົນໃນການອອກແບບວັກຊີນເພາະວ່າທ່ານຈໍາເປັນຕ້ອງຄິດໄລ່ວ່າວັກຊີນ mRNA ມີລັກສະນະແນວໃດ, ໂດຍນໍາໃຊ້ວິທີການ matrix, ໃນຄໍາສັບທາງຄະນິດສາດ, ພວກເຮົາໄດ້ຕິດຕໍ່ກັບສະຖາບັນ Ivannikov, ເຊິ່ງຈະອີງໃສ່ AI ເພື່ອເຮັດຄະນິດສາດນີ້, ເຊິ່ງຂະບວນການເຫຼົ່ານີ້ຈະໃຊ້ເວລາປະມານເຄິ່ງຊົ່ວໂມງເຖິງຫນຶ່ງຊົ່ວໂມງ."
(ຮູບປະກອບ)
ນັກຄົ້ນຄວ້າໄດ້ອະທິບາຍກ່ອນຫນ້ານີ້ກັບ TASS ວ່າຖານຂໍ້ມູນການທົດສອບຂອງ 40,000 ຫາ 50,000 ລໍາດັບ tumor, ດ້ວຍການຮັບຮູ້ antigen ທີ່ເຂົ້າກັນໄດ້, ແປເປັນທາດໂປຼຕີນຫຼື RNA ໃນຄົນເຈັບ, ແມ່ນຈໍາເປັນເພື່ອຝຶກອົບຮົມ AI. ທ່ານກ່າວວ່ານີ້ຈະຊ່ວຍກໍານົດວ່າວັກຊີນສາມາດຖືກນໍາໃຊ້ເປັນສ່ວນບຸກຄົນ.
ວັກຊີນໄດ້ຖືກພັດທະນາໂດຍການຮ່ວມມືກັບສູນຄົ້ນຄວ້າຫຼາຍແຫ່ງ. Andrey Kaprin, ຜູ້ ອຳ ນວຍການໃຫຍ່ສູນຄົ້ນຄວ້າວິທະຍາສາດດ້ານລັງສີທາງການແພດຂອງ ກະຊວງສາທາລະນະສຸກ ຂອງຣັດເຊຍ, ກ່າວວ່າການທົດລອງທາງຄລີນິກໄດ້ ສຳ ເລັດແລ້ວ.
ການຮຽນຮູ້ເຄື່ອງຈັກຊ່ວຍໃນການຜະລິດວັກຊີນມະເຮັງໄດ້ແນວໃດ?
ການນໍາໃຊ້ປັນຍາປະດິດໃນການພັດທະນາວັກຊີນມະເຮັງເຮັດໃຫ້ການປິ່ນປົວສ່ວນບຸກຄົນ, ແຕ່ຍັງເຮັດໃຫ້ເກີດສິ່ງທ້າທາຍໃຫມ່ສໍາລັບຜູ້ພັດທະນາຢາແລະຜູ້ຄວບຄຸມ.
ໃນການປິ່ນປົວດ້ວຍພູມຕ້ານທານ, ຄວາມກ້າວຫນ້າຂອງປັນຍາປະດິດແລະການຮຽນຮູ້ເຄື່ອງຈັກສາມາດຊ່ວຍປະມວນຜົນຂໍ້ມູນຈາກການກວດສອບມະເຮັງເພື່ອອອກແບບວັກຊີນທີ່ເປົ້າຫມາຍການກາຍພັນສະເພາະຂອງຄົນເຈັບ. ຄວາມສາມາດໃນການກໍານົດເປົ້າຫມາຍການກາຍພັນສະເພາະຂອງຄົນເຈັບບໍ່ແມ່ນເລື່ອງໃຫມ່, ແລະຢາມະເຮັງເປົ້າຫມາຍເຊັ່ນການປິ່ນປົວຕ້ານ HER2 ແລະຢາຍັບຍັ້ງ CDK4/6 ໄດ້ກາຍເປັນຜູ້ຂາຍທີ່ຮ້ອນໃນອຸດສາຫະກໍາ. ຢ່າງໃດກໍຕາມ, ທ່າແຮງຂອງ AI ໃນການກໍານົດ neoantigens ຈາກການກວດ biopsies ຄົນເຈັບແຕ່ລະຄົນໄດ້ເພີ່ມປະສິດທິພາບຂອງຂະບວນການນີ້.
ການນໍາໃຊ້ AI ໄດ້ກາຍເປັນຫົວຂໍ້ໃຫຍ່ຂອງການສົນທະນາໃນຫຼາຍໆອຸດສາຫະກໍາ, ແລະຢາແມ່ນບໍ່ມີຂໍ້ຍົກເວັ້ນ.
(ຮູບປະກອບ)
ທ່ານ Scott Ebbinghaus, ຮອງປະທານຂອງການຄົ້ນຄວ້າທາງດ້ານຄລີນິກຂອງ Merck ກ່າວວ່າ "ການກາຍພັນທີ່ກວດພົບໃນການກວດ biopsies ຄົນເຈັບສາມາດຖືກປ້ອນເຂົ້າໄປໃນສູດການຄິດໄລ່ເພື່ອຄາດຄະເນວ່າການກາຍພັນໃດແມ່ນ immunogenic ຫຼາຍທີ່ສຸດ," Scott Ebbinghaus, ຮອງປະທານຂອງການຄົ້ນຄວ້າທາງດ້ານການຊ່ວຍຂອງ Merck ກ່າວ. "ຈາກບ່ອນນັ້ນ, ພວກເຮົາສາມາດສັງເຄາະ RNA ການເຂົ້າລະຫັດແຕ່ລະ gene ມະເຮັງທີ່ມີການປ່ຽນແປງ, ເຫມາະສົມກັບລະບົບພູມຕ້ານທານ. ວັກຊີນແຕ່ລະຄົນຈະເປັນເອກະລັກສະເພາະຂອງແຕ່ລະຄົນ."
ບໍ່ເຫມືອນກັບການປິ່ນປົວທີ່ໄດ້ຮັບການພັດທະນາຕໍ່ກັບ antigen ຄົງທີ່ດຽວ, ລະບົບ AI ຈະຊອກຫາການປັບປຸງຄວາມສາມາດໃນການເລືອກ neoantigens. ສູດການຄິດໄລ່ເບິ່ງການກາຍພັນທາງພັນທຸກໍາທີ່ມີຢູ່ໃນເນື້ອງອກຂອງຄົນເຈັບແລະຄາດຄະເນ neoantigens ທີ່ມີແນວໂນ້ມທີ່ຈະກະຕຸ້ນການຕອບສະຫນອງຂອງພູມຕ້ານທານ. "ສູດການຄິດໄລ່ມີຄວາມສາມາດໃນການຮຽນຮູ້ໃນໄລຍະເວລາໂດຍຜ່ານການຈັບຄູ່ຂໍ້ມູນທາງດ້ານຄລີນິກແລະພູມຕ້ານທານ, ແລະຫວັງວ່າຈະດີຂຶ້ນໃນການເລືອກ neoantigens ທີ່ມີແນວໂນ້ມທີ່ຈະມີການເຄື່ອນໄຫວທາງດ້ານຄລີນິກ," Kyle Holen, ຜູ້ອໍານວຍການດ້ານການພັດທະນາການປິ່ນປົວແລະມະເຮັງຂອງ Moderna ກ່າວ.
ບໍລິສັດອື່ນທີ່ໃຊ້ AI ແມ່ນ Transgene, ເຊິ່ງຮ່ວມມືກັບ NEC Corporation ເພື່ອອອກແບບວັກຊີນມະເຮັງສ່ວນບຸກຄົນ. ແທນທີ່ຈະເປັນຢາວັກຊີນ mRNA, Transgene ກໍາລັງເຮັດວຽກກັບ vectors ໄວຣັສເພື່ອຝຶກອົບຮົມລະບົບພູມຕ້ານທານຂອງຄົນເຈັບເພື່ອຕໍ່ສູ້ກັບມະເຮັງເປົ້າຫມາຍສະເພາະ.
ໃນຂະນະທີ່ຢາວັກຊີນມະເຮັງກ້າວໄປສູ່ການທົດລອງໃນຂັ້ນຕອນຕໍ່ມາ, ສິ່ງທ້າທາຍອັນໜຶ່ງຈະເປັນການຄວບຄຸມຜະລິດຕະພັນທີ່ມີທ່າແຮງ. ອົງການອາຫານ ແລະຢາຂອງສະຫະລັດ (FDA) ໄດ້ເປີດເຜີຍເອກະສານແນະນຳກ່ຽວກັບວັກຊີນຕ້ານເຊື້ອຫຼາຍຊະນິດ. ອົງການດັ່ງກ່າວລະບຸວ່າແຕ່ລະອົງປະກອບຂອງການສັກຢາເຫຼົ່ານີ້ອາດຈະບໍ່ຕ້ອງໄດ້ຮັບການປະເມີນສ່ວນບຸກຄົນສໍາລັບຄວາມປອດໄພແລະກິດຈະກໍາ. ຢ່າງໃດກໍຕາມ, ເອກະສານກ່າວວ່ານີ້ຈະຖືກ "ພິຈາລະນາເປັນກໍລະນີ."
FDA "ຮັບຮູ້ທ່າແຮງຂອງປັນຍາປະດິດ / ການຮຽນຮູ້ເຄື່ອງຈັກ (AI / ML) ເພື່ອເລັ່ງການພັດທະນາການປິ່ນປົວສ່ວນບຸກຄົນ," ໂຄສົກ FDA ກ່າວ.
ທີ່ມາ
(0)