麻省理工學院（MIT）的一項新研究可以為醫(yī)護人員提供有效治療新冠病毒-19患者所需的信息。最近，在美國國家科學院院刊的發(fā)布中，該研究開發(fā)了一個深度學習模型，該模型確定了對抗病毒的最佳藥物組合，盡管數(shù)據(jù)相對有限。

“通常，研究人員利用癌癥和心血管疾病等大型現(xiàn)有數(shù)據(jù)集建立深度學習模型，但這些模型無法用于數(shù)據(jù)有限的新疾病。我們的工作表明，我們可以通過整合不同種類的生物學知識來克服數(shù)據(jù)匱乏的挑戰(zhàn)，”主要作者金文功說，博德研究所埃里克和溫迪·施密特中心博士后助理，麻省理工學院博士。

隨著大量美國人未接種疫苗，突破性病例不斷增加，變異威脅迫在眉睫，有效的藥物組合仍然是緩解新冠病毒 -19 的核心。抗病毒藥物、治療性單克隆抗體和皮質(zhì)類固醇等治療選擇已被證明是有效的。但關于最佳治療組合的問題還不清楚，同時也限制了可能的副作用。

了解這些藥物協(xié)同作用可以幫助患者更快地康復，增加生存的可能性，并減輕醫(yī)院資源的壓力。

訓練深度學習算法以識別治療疾病有效的藥物組合通常需要大量數(shù)據(jù)集。作為一種與癌癥、艾滋病毒或心臟病等疾病相比數(shù)據(jù)較少的新病毒，新冠病毒 -19 對模型開發(fā)提出了更大的挑戰(zhàn)。

研究人員采用一種新的雙管齊下的方法，創(chuàng)建了一種能夠處理有限數(shù)據(jù)的方法。首先，研究小組訓練了一個神經(jīng)網(wǎng)絡來預測藥物是否會與生物靶點結合。這些靶點通過為藥物創(chuàng)造一個結合和抑制疾病生長的場所，在藥物治療中發(fā)揮著重要作用。對于新冠病毒 -19 ，這些靶點包括參與病毒復制的酶和蛋白質(zhì)。

基于藥物的分子結構和疾病的生物靶點，一個模型還可以計算單一藥物的抗病毒效果?；诖诵畔?，協(xié)同預測模型結合計算藥物治療的效力，確定最有效的組合。

神經(jīng)網(wǎng)絡模型采用 NVIDIA GPU 和cuDNN加速深度學習框架來訓練和處理數(shù)據(jù)。通過 88 種不同的治療方案，研究小組確定了兩種主要的對抗病毒藥物：抗病毒藥物 remdesivir 與高血壓藥物利血平聯(lián)合使用，以及 remdesivir 與 IQ-1S （一種激酶抑制劑）聯(lián)合使用

圖 1 ComboNet 接受藥物組合協(xié)同作用、單藥抗病毒活性和藥物 – 靶點相互作用數(shù)據(jù)方面的培訓。資料來源： Jin 等人/ PNAS

該模型也適用于其他病原體。據(jù)金說，研究小組一直在與美國國立衛(wèi)生研究院合作，尋找治療胰腺癌的藥物組合。

關于作者

Michelle Horton 是 NVIDIA 的高級開發(fā)人員通信經(jīng)理，擁有通信經(jīng)理和科學作家的背景。她在 NVIDIA 為開發(fā)者博客撰文，重點介紹了開發(fā)者使用 NVIDIA 技術的多種方式。

審核編輯：郭婷