彩色透射电子显微照片显示从患者身上分离的新型冠状病毒病毒颗粒(橙色)
信用:通过国家卫生研究院获得的国家信息与身份证
新冠肺炎病的症状和副作用分散在各种诊断谱中
一些患者没有症状或经历轻微的免疫反应，而另一些患者报告了严重的长期疾病、持续的并发症或遭受致命的后果
佐治亚理工学院的三名研究人员和埃默里大学的一名研究人员正试图通过为医疗保健专业人员配备一种新的“决策优先级工具”来帮助临床医生对这些因素和患者结果的范围进行分类
" 该团队基于人工智能的新工具有助于临床医生了解和更好地预测他们的新冠肺炎患者可能经历的不利影响，基于共病和当前的副作用，反过来，也有助于建议特定的美国食品药品监督管理局批准(FDA)的药物，可以帮助治疗疾病和改善患者的健康结果
研究人员的最新发现是10月21日发表在《科学报告》上的一项新研究的焦点
人工智能、蛋白质驱动因素和新冠肺炎“26种临床表现中的24种” 该团队的新方法或工具被称为MOATAI-VIR(作用模式蛋白质&人工智能驱动的病毒靶向治疗发现)
)研究人员报告称，它预测了26种新冠肺炎病主要临床表现中的24种及其潜在的疾病-蛋白质-途径关系
这些临床表现涵盖了一系列问题，包括急性呼吸窘迫、凝血问题、细胞因子风暴、低氧血症和白细胞计数，甚至骨髓衰竭
通常报道的嗅觉或味觉丧失，以及“脑雾”等不寻常的神经症状，受到了广泛的关注——之前有健康问题或共病的患者也受到了关注，这可能使他们处于与新冠肺炎相关的更高风险类别
“这仍然是一个问题，是什么导致了副作用？”该研究的通讯作者、生物科学学院教授杰弗里·斯科尔尼克说
“所以，你失去了嗅觉，出现了脑雾——另一名患者出现了呼吸困难，另一名患者记不起一周中的哪一天了
我们已经确定了这些不同情况下可能的行为模式驱动因素，这为谁会有什么副作用奠定了基础
" Skolnick也是佐治亚研究联盟计算系统生物学杰出学者，他指出根据蛋白质相互作用预测副作用是有意义的
斯科尔尼克说:“人类是分子机器，大概有生物和物理规则来支配我们的反应。”
“我们基本上建立了一个基于人工智能的方法，该方法是根据人类中与(新的)冠状病毒相互作用的一组相互作用的蛋白质设计的，”他补充道
“然后我们问自己，‘我们能根据生化途径预测哪些相互作用的蛋白质与副作用有关吗？’" 加入生物科学学院的斯科尔尼克是博士
D
来自系统生物学研究中心的学生考特尼·阿斯特和高级研究科学家周鸿祎
埃默里医学院埃默里疫苗中心微生物和免疫系的乔希·雅各布也参与了这项研究
MOATAI-VIR方法 斯科尔尼克解释说，大多数已知的疾病是由于“许多蛋白质的功能障碍和相互作用”，并指出这是一种集体效应——一种“多靶点蛋白质效应”
“他的团队的新人工智能方法是识别尽可能多的相互作用的目标，以从一系列复杂的相互作用中预测复杂的反应
医学界也很清楚，共病——现有的和慢性的健康因素，如糖尿病、肥胖、自身免疫性疾病和其他影响免疫系统的疾病——在与新冠肺炎相关的风险因素中可能发挥巨大作用
斯科尔尼克说，这些共病也可以插入到研究小组的算法中
“阿尔茨海默氏症和甲状腺机能亢进密切相关，糖尿病也是如此
斯科尔尼克解释说:“有六到八个(新冠肺炎)老年痴呆症患者同时患有这种疾病。”
“这不仅仅是老年——这要复杂得多
" MOATAI-VIR方法有助于识别与母体疾病相关的共病的共同蛋白
然后临床医生可以用药物治疗这些疾病
研究人员报告说，在斯科尔尼克团队发现的123，146个药物适应症配对预测中，这种特定的方法有72%的成功率
“对于给定的疾病，我们根据与给定疾病共病的疾病中最常见的蛋白质对它们进行优先排序，从而导致特定的并发症，例如呼吸衰竭
这确定了给定并发症的推定(假定)驱动蛋白，”他说
“然后我们通过两种方式选择再利用的药物——我们筛选最常见的共病蛋白，看它们与再利用药物的结合频率
对于给定并发症的一组共病，选择治疗最多并发症的药物
" 斯科尔尼克说，为这些并发症和副作用找到合适的药物至关重要，使用新的“决策工具”可以帮助做到这一点
他警告说，研究人员和临床医生必须客观地对待这一点，因为“有深层的原因可以解释为什么你会有这些‘偏离目标’的相互作用，在这种相互作用中，一种药物会与另一种不是其最初预期目标的蛋白质结合——这就是这些算法用来对抗它们的方式。”
斯科尔尼克解释说，运行这种方法并不神奇
“这是决策过程中的部分帮助——伴随着它可能起作用的可能性
如果有80%的可能性，你可能应该尝试一下
"
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
