Covid-19数据挖掘;AI抗体搜索;病毒建模。
Covid-19数据挖掘
使用机器学习和其他技术,劳伦斯伯克利国家实验室(伯克利实验室)开发了一个数据文本挖掘工具帮助合成Covid-19越来越多的科学文献。
每天约有200个新的期刊文章被发表在冠状病毒,仅根据伯克利实验室。伯克利实验室的数据挖掘工具,这就是生活covidscholar.org使用自然语言处理技术,扫描和搜索成千上万的研究论文。它帮助画的见解和连接数据。
该工具运行在超级计算机的国家能源研究科学计算中心(·),美国能源部科学办公室用户设施位于伯克利实验室。在线搜索引擎和门户网站是由自旋·云平台。
希望这个工具可能最终启用“自动科学。使用该工具”一个月后,伯克利实验室收集了超过61000的研究论文。关于Covid-19约8000人,其余都是相关的话题,比如病毒和传染病。
“在谷歌和其他搜索引擎寻找他们认为是相关的,”伯克利实验室科学家Gerbrand Ceder说。“我们的目标是做信息提取,这样人们可以找到的隐性信息和关系。这是机器学习和自然语言处理的概念将被应用在这些数据集”。
AI抗体搜索
机器学习,劳伦斯利弗莫尔国家实验室(LLNL)确定一组治疗性抗体序列针对绑定和中和SARS-CoV-2,导致Covid-19的病毒。
抗体是收获的血从Covid-19患者完全恢复。抗体是潜在的治疗病毒。LLNL的目标是使用迭代开发设计新产品和改进抗体computational-experimental流程。
为此,LLNL使用高性能计算机和机器学习与SARS-CoV-2发现候选抗体结合受体结合域(RBD)。研究人员使用超过200000 CPU小时和20000小时的GPU时间在两个高性能计算机LLNL-Corona和催化剂。系统进行了近180000的计算候选SARS-CoV-2 RBD的抗体。
使用这些技术,研究人员缩小可能的设计从一个几乎无限数量的候选人20 SARS-CoV-2初始序列预测目标。
“我们的计算结果是鼓舞人心的,我们兴奋的实验测试,现在正在进行中,”Dan Faissol LLNL数据科学家说。“我们希望其中一个初始抗体设计结合SARS-CoV-2预想的目标,但无论结果如何,实验结果将大大改善我们的设计后续的抗体的能力。”
病毒的建模
使用一台超级计算机和建模技术,美因茨大学(一起进行)已经确定了几个潜在的活性物质打击冠状病毒。
一些药物被批准用于治疗丙型肝炎病毒感染被认为是潜在的候选人对Covid-19一起进行。
这是研究的结果基于使用MOGON II超级计算机在一起进行计算。一起进行操作一台超级计算机,提供超过53000个CPU核的峰值功率2次(每秒2万亿次浮点操作)。
研究人员使用了一种叫做分子对接。“分子对接的方法可用于模型小分子之间的相互作用和蛋白质在原子层面上,它使我们能够描述小分子的行为目标蛋白的结合位点,以及阐明基本生化过程,”据吉林大学和其他人在一篇。
使用MOGON II,研究人员模拟的方法,对42000种不同的物质在公开上市SARS-CoV-2数据库绑定到特定的蛋白质。这反过来可能会抑制病毒进入人体的渗透或其乘法。
与系统,研究人员在两个月之内超过300亿单计算。他们发现的化合物四丙型肝炎drugs-simeprevir paritaprevir grazoprevir, velpatasvir-have高亲和力结合SARS-CoV-2强烈,因此可以防止感染。
“这计算机模拟方法被称为分子对接和它多年来一直认可和使用。更快和更便宜的比实验室实验,”教授Thomas Efferth制药和生物医学科学研究所一起进行。“据我们所知,我们是第一个使用分子与SARS-CoV-2对接。是很好的消息,我们发现许多批准丙型肝炎药物作为治疗的有前途的候选人。
“这也是支持的事实SARS-CoV-2和相同类型的丙型肝炎病毒是病毒,所谓的单链RNA病毒,“Efferth解释道。“我们的研究结果现在需要检查在实验和临床研究”。
|
|
|
|
|
|
|
|
留下一个回复