随着新冠疫苗的研发正在进行，各种配套辅助机制也如火如荼的开展。其中，表现最为耀眼的就是机器学习工具。相关医学科研工作者指出，机器学习工具最大的优势就在于能够加速抗体的形成，从而达到战胜病毒的目的。
再生医学网获悉，来自卡耐基梅隆大学机械工程系实验室的Amir Barati Farimani开发了能够基于数据推断、学习和预测机械系统的算法。他研究了一系列的课题，从流体力学和传热到材料发现和机器人技术，他还研究了人类健康和生物工程的挑战。
随着COVID-19大流行的爆发，Barati Farimani很快将他的实验室的重点转移到SARS-CoV-2研究上。此前，他曾使用机器学习工具来研究埃博拉病毒和艾滋病病毒的抗体，现在他想进一步研究这种新型冠状病毒。
目前，科学家们使用基于计算和物理的模型来筛选成千上万的抗体序列。这些模型既昂贵又耗时，还需要我们尚未掌握的关于SARS-CoV-2的信息。
"这就是机器学习可以完成繁重任务的地方，"Barati Farimani说。"它不仅能比目前的筛选方法更快地'学习'复杂的抗原-抗体相互作用，还能在反应时间上超过人类的免疫系统。"
研究小组将现有的其他传染性病毒的生物数据整合到他们命名为VirusNet的数据集中。然后，他们用这组数据来训练机器学习模型，选择性能最好的模型来筛选成千上万的潜在抗体候选。
该模型最终鉴定出8种稳定的抗体，它们在中和SARS-CoV-2方面非常有效。这些发现被发布在生物学预印本服务器bioRxiv的初步报告中，以便其他研究人员能够尽快获得信息。
最后，
再生医学网认为，随着机器学习工具被成功应用到新冠病毒疫苗研发中，将有助于世界各地的其他科学家抗击这种病毒的工作，并为疫苗最终的成功问世提供宝贵的技术支持。而这，也正是医学和科学技术相结合的硕果。
