抗病毒自动驾驶机器人：通过深度学习预测更具传染性的病毒变体以预防大流行
机器学习
2022-05-31 v1 人工智能
摘要
更具传染性的病毒变体可因其蛋白质的快速突变而产生，从而引发新的感染浪潮。这些变体可逃避免疫系统并感染已接种疫苗的个体，降低疫苗效力。因此，为改进疫苗设计，本项目提出 Optimus PPIme——一种从现有病毒（以 SARS-CoV-2 为例）预测未来更具传染性变体的深度学习方法。该方法包含一个充当攻击宿主细胞的“病毒”的算法。为增加传染性，“病毒”发生突变以更好地结合宿主受体。尝试了两种算法——贪心搜索和集束搜索。随后由我们开发的 transformer 网络评估该变体-宿主结合的强度，准确率达 90%。结合两部分，集束搜索最终提出了更具传染性的变体。因此，该方法有潜力使研究者在未来传染性变体出现之前开发出针对它们的防护疫苗，从而先发制人地阻止疫情并挽救生命。
引用
@article{arxiv.2205.14854,
title = {Anti-virus Autobots: Predicting More Infectious Virus Variants for Pandemic Prevention through Deep Learning},
author = {Glenda Tan Hui En and Koay Tze Erhn and Shen Bingquan},
journal= {arXiv preprint arXiv:2205.14854},
year = {2022}
}