В России создали ИИ-модели для определения тропности штаммов ВИЧ
Ученые центра вирусологии «Вектор» разработали модели машинного обучения, предсказывающие тропность штаммов ВИЧ 1 — способность вируса проникать в определенные типы клеток. От этого свойства напрямую зависит подбор препаратов для терапии. Об этом сообщил научный сотрудник отдела ретровирусов центра Кирилл Елфимов.
Как пояснил Елфимов, выбор терапии во многом зависит от того, через какой рецептор — CCR5 или CXCR4 — вирус проникает в клетку. Именно от этого зависит, подойдет ли пациенту конкретный препарат и как быстро будет прогрессировать заболевание. Надежно определить тропность можно только лабораторным методом, требующим работы с живым вирусом, дорогих мощностей и времени, поэтому он доступен лишь единичным лабораториям. Генотипические методы быстрее и дешевле, однако существующие программы плохо подходят для распространенных в России вариантов вируса, и ранее ими целенаправленно никто не занимался.
«Мы оценили существующие инструменты для генотипического предсказания тропности, создали свою, которая валидирована для российских штаммов. Ранее этого никто не делал, потому что не было генотипированных последовательностей, не было интереса у иностранных коллег. Также реализовали наши модели в виде пользовательского графического интерфейса, чтобы сделать ее удобной в будущем, возможно, для использования специалистами в клинической отрасли», — сказал Елфимов на научном форуме в наукограде Кольцово.
Основой для обучения моделей послужил набор примерно из 13 тыс. последовательностей. Часть вирусных образцов ученые обследовали сами в лаборатории, остальное взяли из открытой американской базы данных лаборатории Лос-Аламоса. На этих данных обучили комбинацию из двух классических алгоритмов машинного обучения — Random Forest и Support Vector Machine. Инструмент впервые проверили именно на вариантах ВИЧ, распространенных в России: для одного отечественного варианта точность выросла примерно на 10 процентов по сравнению с уже доступными аналогами, для второго — составила около 90 процентов при проверке на данных, которых модель раньше не видела.
