摘要：从建模冠状病毒的传播到寻找可能的药物和疫苗，机器学习已在关键研究领域提供了帮助。

   从建模冠状病毒的传播到寻找可能的药物和疫苗，机器学习已在关键研究领域提供了帮助。
　　
　　近年来，机器学习已在新的且常常是出乎意料的领域中找到了应用。随着2019年和2020年新型冠状病毒的爆发，许多人试图将机器学习和人工智能应用于与该疾病有关的各种问题是有道理的。从模拟疾病的传播到寻找可能的药物和疫苗，机器学习已成为理解疫情大流行所引起的许多问题所不可或缺的。
　　
　　案例研究：疾病动态
　　
　　一个简单的互联网搜索将带人们进入数百个仪表盘，这些仪表盘显示了世界各地当前的冠状病毒病例数。这是由于访问与该病毒有关的数据非常容易，尤其是来自诸如Kaggle或JohnsHopkins之类的知名来源。例如，这些数据以及复杂的疾病动态模型使人们能够对美国实际感染病毒的人数以及在美国任何县举办活动的风险进行预测建模。
　　
　　一些研究人员尝试使用机器学习和小波分析大流行的动态。来自德国和中国的一个团队将传统的疾病动力学模型与机器学习技术（特别是CNN和LSTM）结合起来，预测了该病毒在德国传播的各种速率。他们试图预测感染率，未确诊/确诊的病例率以及住院/死亡率。另一个小组试图使用隐藏的马尔可夫链来模拟病毒在摩洛哥的传播。
　　
　　简而言之，冠状病毒传播数据，疾病模型和机器学习框架的普遍性导致专业人员和业余爱好者的大量研究。它已成为许多人的数据科学练习，可以通过仅等待疾病实际传播的方式来评估每种模型的准确性。
　　
　　案例研究：药物和疫苗
　　
　　早在2020年2月，就绘制了新型冠状病毒刺突蛋白的图谱。在原子尺度上分析了蛋白质的整个3D结构并公开共享。刺突蛋白是病毒用来进入我们细胞的关键。对于蛋白质，结构是功能，而刺突蛋白的结构直接影响冠状病毒的传染性。3D结构的释放是发现治疗方法，药物以及最终与大流行抗衡的疫苗的第一步。
　　
　　一旦绘制了刺突蛋白和病毒其他部分的3D结构图，就可以使用现代超级计算的功能来模拟病毒。为了找到针对疫情的治疗方法，需要一种与病毒表面蛋白结合的药物，该药物随后会灭活病毒或标记病毒被免疫系统攻击。劳伦斯•利弗莫尔国家实验室的研究人员开发了高度并行化的机器学习模型，该模型在全球第三快的超级计算机上运行，利用率为97.7％。该模型接受了将近20亿个可能治疗疫情的小分子的训练。
　　
　　在寻找疫苗时，麻省理工学院的研究人员开发了一个名为OptiVax的平台，以加快肽疫苗的开发。这种疫苗相对较新，它取决于从目标病毒中找到短氨基酸序列以放入疫苗。具有20个可能的氨基酸，长度N的可能序列数为20N，因此研究人员使用机器学习来解决这一庞大的搜索空间。研究人员没有选择纯粹的基于肽的疫苗，而是将肽序列与更传统的基于DNA或RNA的疫苗配对，其中肽用于提高不同人群的覆盖率。
　　
　　随着2020年底辉瑞和Moderna等主要企业宣布疫苗，同一批麻省理工学院的研究人员利用机器学习发现了这些疫苗在覆盖率方面的差距。研究人员使用OptiVax预测了由于遗传原因可能无法完全受到疫苗保护的人群。后来的主要疫苗临床试验显示了研究人员通过计算机建模预测的确切缺点时，他们的工作得到了肯定。
　　
　　与疾病动态相反，药物和疫苗的开发需要更多的生物化学和模拟专业知识。但是，来自全国顶级大学的研究团队已加紧努力，以加快有效疫苗的开发。
　　
　　重要要点
　　
　　疫情虽然被许多专家预言，却震惊了全世界。尽管病例，住院和死亡人数众多，但新型冠状病毒还有助于将科学家和研究人员召集在一起，以解决与众不同的紧迫实时问题。行业专家，学者和业余爱好者都在研究冠状病毒中发挥了作用，而机器学习一直是这项工作的关键工具。
　　
　　编辑：Harris