กาแฟ (Coffee)

เปลี่ยนพื้นผิวใดๆ ให้เป็นหน้าจอสัมผัส

RNA เป็นโมเลกุลสายเดี่ยวที่ประกอบด้วยนิวคลีโอเบส มีแนวโน้มที่จะกลายพันธุ์มากกว่า DNA ซึ่งนิวคลีโอเบสจับคู่กันเพื่อสร้างโมเลกุลที่มีเกลียวคู่ Gunilla Elam/Science Source เขตข้อมูลของ NLP (หรือที่เรียกว่าภาษาศาสตร์เชิงคำนวณ) และชีววิทยาเชิงคำนวณอาจดูแตกต่างกันมาก แต่ในทางคณิตศาสตร์ พวกมันค่อนข้างคล้ายกัน ประโยคภาษาอังกฤษประกอบด้วยคำที่เรียงตามลำดับ ด้านบนของลำดับนั้น มีโครงสร้าง ต้นไม้วากยสัมพันธ์ที่มีวลีนามและวลีกริยา ทั้งสององค์ประกอบ—ลำดับและโครงสร้าง—รวมกันให้ความหมาย ในทำนองเดียวกัน สายของ RNA ประกอบด้วยลำดับของนิวคลีโอไทด์ และด้านบนของลำดับนั้น มีโครงสร้างรองของการพับเกลียวขึ้น ในภาษาอังกฤษ คุณสามารถมีคำสองคำที่อยู่ห่างกันในประโยค แต่เชื่อมโยงอย่างใกล้ชิดในแง่ของไวยากรณ์ ใช้ประโยค “คุณต้องการเสิร์ฟไก่ด้วยอะไร” คำว่า “อะไร” และ “กับ” นั้นห่างกัน แต่ “อะไร” เป็นวัตถุของคำบุพบท “ด้วย” ในทำนองเดียวกัน ใน RNA คุณสามารถมีนิวคลีโอไทด์สองตัวที่อยู่ห่างกันในลำดับ แต่อยู่ใกล้กันในโครงสร้างพับ ห้องทดลองของฉันใช้ประโยชน์จากความคล้ายคลึงกันนี้เพื่อปรับเครื่องมือ NLP ให้เข้ากับความต้องการเร่งด่วนในยุคของเรา และด้วยการร่วมมือกับนักวิจัยด้านชีววิทยาเชิงคำนวณและการออกแบบยา เราสามารถระบุผู้สมัครรายใหม่ที่มีแนวโน้มว่าจะรับวัคซีน RNA COVID-19 ในช่วงเวลาสั้นๆ อย่างน่าอัศจรรย์ ความก้าวหน้าล่าสุดของแล็บของฉันในการพับ RNA สร้างขึ้นโดยตรงบนเทคนิคการประมวลผลภาษาธรรมชาติที่ฉันเป็นผู้บุกเบิกที่เรียกว่าการแยกวิเคราะห์ส่วนเพิ่ม มนุษย์ใช้การแยกวิเคราะห์แบบเพิ่มหน่วยอย่างต่อเนื่อง: ขณะที่คุณกำลังอ่านประโยคนี้ คุณกำลังสร้างความหมายในใจโดยไม่ต้องรอจนกว่าจะถึงช่วงเวลานั้น แต่เป็นเวลาหลายปีแล้ว คอมพิวเตอร์ที่ทำงานเพื่อความเข้าใจที่คล้ายกันไม่ได้ใช้การแยกวิเคราะห์แบบเพิ่มหน่วย ปัญหาคือภาษานั้นเต็มไปด้วยความคลุมเครือที่อาจทำให้โปรแกรม NLP สับสน ประโยคที่เรียกกันว่าสวนทางเดิน เช่น “ชายแก่เรือ” และ “ม้าวิ่งผ่านยุ้งฉางตก” แสดงให้เห็นว่าสิ่งต่างๆ จะทำให้เกิดความสับสนได้อย่างไร สิ่งที่เรียกว่า “ประโยคเส้นทางสวน” นำผู้อ่านไปในทิศทางที่ไม่ถูกต้อง และยังทำให้อัลกอริธึมการประมวลผลภาษาธรรมชาติสับสนอีกด้วย ในการแยกวิเคราะห์ประโยคนี้ให้ถูกต้อง คำว่า “ผู้ชาย” เป็นคำกริยา เมื่อประโยคยาวขึ้น จำนวนความหมายที่เป็นไปได้จะเพิ่มขึ้น นั่นเป็นสาเหตุที่อัลกอริธึมการแยกวิเคราะห์ NLP แบบคลาสสิกไม่เป็นเชิงเส้น—นั่นคือ ระยะเวลาที่พวกเขาใช้เพื่อทำความเข้าใจประโยคนั้นไม่ได้ปรับขนาดในแบบเชิงเส้นกับความยาวของประโยค ในทางกลับกัน เวลาที่ใช้ในการทำความเข้าใจจะปรับขนาดเป็นลูกบาศก์ด้วยความยาวของประโยค ดังนั้นหากคุณเพิ่มความยาวของประโยคเป็นสองเท่า จะใช้เวลาแยกวิเคราะห์นานกว่า 8 เท่า โชคดีที่ประโยคส่วนใหญ่ไม่ยาวมาก ประโยคที่ใช้พูดภาษาอังกฤษนั้นแทบจะไม่มีมากกว่า 20 คำ และแม้แต่ใน The Wall Street Journal ก็มักจะมีความยาวไม่เกิน 40 คำ ดังนั้นในขณะที่ลูกบาศก์เวลาทำให้สิ่งต่างๆ ช้าลง แต่ก็ไม่ได้สร้างปัญหาที่ยากจะแก้ไขสำหรับอัลกอริธึมการแยกวิเคราะห์ NLP แบบคลาสสิก เมื่อฉันพัฒนาการแยกวิเคราะห์ส่วนเพิ่มในปี 2010 มันได้รับการยอมรับว่าเป็นความก้าวหน้า แต่ไม่ใช่ตัวเปลี่ยนเกม อย่างไรก็ตาม เมื่อพูดถึง RNA ความยาวเป็นปัญหาใหญ่ ลำดับอาร์เอ็นเออาจยาวจนน่าตกใจ: จีโนมของโคโรนาไวรัสประกอบด้วยนิวคลีโอไทด์ประมาณ 30,000 ตัว ทำให้เป็นไวรัสอาร์เอ็นเอที่ยาวที่สุดที่เรารู้จัก เทคนิคคลาสสิกในการทำนายการพับของ RNA ซึ่งเกือบจะเหมือนกับอัลกอริธึมการแยกวิเคราะห์ NLP แบบคลาสสิกนั้นถูกปกครองด้วยลูกบาศก์เวลา ซึ่งทำให้การคาดการณ์ในวงกว้างทำไม่ได้ สาขาการประมวลผลภาษาธรรมชาติและชีววิทยาเชิงคำนวณอาจดูแตกต่างกันมาก แต่ในทางคณิตศาสตร์แล้ว สิ่งเหล่านี้ค่อนข้างคล้ายกัน ปลายปี 2015 การสนทนาโดยบังเอิญกับเพื่อนร่วมงานในแผนกชีวฟิสิกส์ของรัฐโอเรกอนทำให้ฉันสังเกตเห็นความคล้ายคลึงกันระหว่างภาวะที่กลืนไม่เข้าคายไม่ออกใน NLP และ RNA นั่นคือตอนที่ฉันตระหนักว่าการแยกวิเคราะห์แบบเพิ่มหน่วยอาจมีผลกระทบในชีววิทยาเชิงคอมพิวเตอร์มากกว่าในสาขาเดิมของฉัน เทคนิค NLP แบบเก่าในการแยกวิเคราะห์ประโยคคือ “ล่างขึ้นบน” หมายความว่าโปรแกรมแยกวิเคราะห์จะดูที่คู่ของคำที่ต่อเนื่องกันภายในประโยคก่อน จากนั้นจึงกำหนดคำต่อเนื่องกันสามคำ ตามด้วยสี่คำ เป็นต้น จนกระทั่งกำลังพิจารณา ทั้งประโยค Parser ที่เพิ่มขึ้นของฉันจัดการกับความกำกวมของภาษาโดยการสแกนจากซ้ายไปขวาผ่านประโยค โดยสร้างความหมายที่เป็นไปได้มากมายสำหรับประโยคนั้นในขณะที่มันดำเนินไป เมื่อถึงจุดสิ้นสุดของประโยคก็เลือกความหมายที่ถือว่าเป็นไปได้มากที่สุด ตัวอย่างเช่น สำหรับประโยค “John and Mary เขียนเอกสารแต่ละฉบับ” สมมติฐานเริ่มต้นส่วนใหญ่เกี่ยวกับความหมายของประโยคจะถือว่า John และ Mary เป็นคำนามวลี เฉพาะเมื่อถึงคำสุดท้าย – สรรพนามแบบกระจาย “แต่ละ” – สมมติฐานทางเลือกได้รับความโดดเด่น ซึ่งจอห์นและแมรีได้รับการพิจารณาแยกจากกัน ด้วยเทคนิคนี้ เวลาที่ใช้ในการแยกวิเคราะห์แบบเชิงเส้นตามความยาวของประโยค ความแตกต่างที่สำคัญอย่างหนึ่งระหว่างภาษาศาสตร์และชีววิทยาคือปริมาณของความหมายที่มีอยู่ในแต่ละส่วนของลำดับ คำภาษาอังกฤษแต่ละคำมีความหมายมากมาย แม้แต่คำง่ายๆ เช่น “the” ก็ส่งสัญญาณการมาถึงของคำนามวลี และมีคำต่างๆ มากมายรวมอยู่ด้วย ในทางตรงกันข้าม สตริง RNA มีเพียงสี่นิวคลีโอไทด์ adenine, cytosine, guanine และ uracil โดยที่นิวคลีโอไทด์แต่ละตัวมีข้อมูลเพียงเล็กน้อย นั่นเป็นเหตุผลที่การทำนายโครงสร้างของอาร์เอ็นเอจากลำดับของมันจึงเป็นความท้าทายอย่างมากในด้านชีวสารสนเทศ ผู้ทำงานร่วมกันของฉันและฉันใช้หลักการของการแยกวิเคราะห์ส่วนเพิ่มเพื่อพัฒนาอัลกอริธึม LinearFold สำหรับการทำนายโครงสร้าง RNA ซึ่งพิจารณาโครงสร้างที่เป็นไปได้หลายอย่างพร้อมกันในขณะที่สแกนลำดับ RNA ของนิวคลีโอไทด์ เนื่องจากมีโครงสร้างรองที่เป็นไปได้มากกว่าในลำดับอาร์เอ็นเอที่ยาวกว่าในประโยคภาษาอังกฤษ อัลกอริธึมจึงพิจารณาทางเลือกหลายพันล้านรายการสำหรับแต่ละลำดับ โมเลกุล RNA พับเป็นโครงสร้างที่ซับซ้อน โครงสร้างอาร์เอ็นเอสามารถแสดงเป็นภาพกราฟิก [top left] เพื่อแสดงนิวคลีโอไทด์ที่จับคู่และที่อยู่ใน “ลูป” ที่ไม่มีการจับคู่ ลำดับเดียวกันจะแสดงด้วยเส้นที่แสดงนิวคลีโอไทด์ที่จับคู่ [top right] อ่านทวนเข็มนาฬิกา อักษรเริ่มต้น “ GCGG” สอดคล้องกับ “GCGG” ที่ด้านบนซ้ายของการแสดงกราฟิก อัลกอริธึม LinearFold [bottom] จะสแกนลำดับจากซ้ายไปขวาและติดแท็กนิวคลีโอไทด์แต่ละรายการเป็น unpaired เพื่อจับคู่กับนิวคลีโอไทด์ในอนาคตหรือจับคู่ กับนิวคลีโอไทด์ก่อนหน้า Huang Liang ในปี 2019 ก่อนเริ่มการระบาดใหญ่ เราได้ตีพิมพ์บทความเกี่ยวกับ LinearFold ซึ่งเราภูมิใจที่ได้รายงานว่า (และยังคงเป็น) อัลกอริธึมที่เร็วที่สุดในโลกสำหรับการทำนายโครงสร้างรองของ RNA ในเดือนมกราคม 2020 เมื่อ COVID-19 เข้าครอบงำในประเทศจีน เราเริ่มคิดหนักว่าจะนำงานของเราไปใช้กับปัญหาเร่งด่วนที่สุดในโลกอย่างไร เดือนต่อมา เราทดสอบอัลกอริทึมด้วยการวิเคราะห์ SARS-CoV-2 ไวรัสที่ทำให้เกิด โควิด-19 ในขณะที่ไบโอคอมพิวเตอร์มาตรฐาน วิธี logy ใช้เวลา 55 นาทีในการระบุโครงสร้าง LinearFold ทำงานในเวลาเพียง 27 วินาที เราสร้างเว็บเซิร์ฟเวอร์เพื่อให้นักวิทยาศาสตร์ที่ศึกษาไวรัสหรือกำลังดำเนินการตอบสนองต่อการระบาดใหญ่เข้าถึงอัลกอริทึมได้ฟรี แต่เรายังไม่เสร็จ การทำความเข้าใจว่าไวรัส SARS-CoV-2 รวมตัวกันอย่างไรนั้นมีประโยชน์สำหรับการวิจัยทางวิทยาศาสตร์ขั้นพื้นฐาน แต่เมื่อการระบาดใหญ่เริ่มทำลายล้างโลก เรารู้สึกว่าได้รับเรียกให้ช่วยตอบสนองโดยตรงมากขึ้น ฉันติดต่อกับเพื่อนของฉัน Rhiju Das รองศาสตราจารย์ด้านชีวเคมีที่คณะแพทยศาสตร์มหาวิทยาลัยสแตนฟอร์ด และผู้ใช้ LinearFold เป็นเวลานาน Das เชี่ยวชาญด้านการสร้างแบบจำลองทางคอมพิวเตอร์และการออกแบบโมเลกุล RNA และเขาได้สร้างเกม Eterna ที่ได้รับความนิยม ซึ่งรวบรวมปัญหาการออกแบบ RNA ที่ยากจะแก้ปัญหาให้กับผู้เล่นออนไลน์ 250,000 คน ในการท้าทาย Eterna ผู้เล่นจะได้รับโครงสร้าง RNA ที่ต้องการและขอให้ค้นหาลำดับที่พับเป็นรูปร่างนั้น ผู้เล่นได้ทำงานเกี่ยวกับลำดับอาร์เอ็นเอสำหรับอุปกรณ์วินิจฉัยวัณโรคและสำหรับการแก้ไขยีน CRISPR Das ใช้ LinearFold เพื่อเร่งการประมวลผลการออกแบบของผู้เล่นอยู่แล้ว เพื่อตอบสนองต่อการระบาดใหญ่ เขาตัดสินใจที่จะเปิดตัวความท้าทาย Eterna ใหม่ที่เรียกว่า OpenVaccine โดยขอให้ผู้เล่นออกแบบวัคซีน RNA ที่มีศักยภาพซึ่งจะมีเสถียรภาพมากกว่าวัคซีน RNA ที่มีอยู่ (RNA ในวัคซีนเหล่านี้เป็นชนิดเฉพาะที่เรียกว่า messenger RNA หรือ mRNA เรียกสั้นๆ ว่า วัคซีนเหล่านี้จึงเรียกอย่างเป็นทางการว่าวัคซีน mRNA แต่ฉันจะเรียกพวกมันว่าวัคซีน RNA เพื่อความง่ายเท่านั้น) วัคซีนอาร์เอ็นเอในปัจจุบันต้องการอุณหภูมิที่เย็นจัดอย่างมากในระหว่างการขนส่งและการเก็บรักษาเพื่อให้สามารถทำงานได้ ซึ่งทำให้วัคซีนถูกทิ้งหลังจากไฟฟ้าดับ และจำกัดการใช้ในสถานที่ร้อนที่ขาดโครงสร้างพื้นฐานของสายโซ่เย็น เช่น อินเดีย บราซิล และแอฟริกา หากผู้เล่นของ Eterna สามารถออกแบบวัคซีนที่ทนทานและมีเสถียรภาพมากขึ้น มันอาจจะเป็นประโยชน์สำหรับส่วนต่างๆ ของโลก ความท้าทายของ OpenVaccine ใช้ LinearFold อีกครั้งเพื่อเร่งความเร็วในการประมวลผล แต่ฉันสงสัยว่าจะเป็นไปได้หรือไม่ที่จะพัฒนาอัลกอริธึมที่จะทำได้มากกว่านั้น ซึ่งจะออกแบบโครงสร้าง RNA โดยตรง Das คิดว่ามันใช้เวลานาน แต่ฉันต้องทำงานกับอัลกอริธึมที่เรียกว่า LinearDesign ไวรัส SARS-CoV-2 มีโปรตีนแหลมที่เกาะติดกับเซลล์ของมนุษย์เพื่อเข้าถึง วัคซีนอาร์เอ็นเอสำหรับโคโรนาไวรัสมักประกอบด้วยตัวอย่างอาร์เอ็นเอที่เข้ารหัสเฉพาะการผลิตโปรตีนสไปค์ ดังนั้นระบบภูมิคุ้มกันจึงสามารถเรียนรู้ที่จะจดจำมันได้ วัคซีน Hanacek/NIST RNA สำหรับ COVID-19 ทำงานได้เนื่องจากมีตัวอย่างข้อมูลของ coronavirus RNA—โดยทั่วไปแล้ว ข้อมูลโค้ดที่เข้ารหัสสำหรับการผลิตโปรตีนสไปค์ ซึ่งเป็นส่วนหนึ่งของไวรัสที่เชื่อมต่อกับเซลล์ของมนุษย์เพื่อเข้าถึง เนื่องจากวัคซีนเหล่านี้กำหนดรหัสสำหรับโปรตีนตัวเดียวเท่านั้น ไม่ใช่ไวรัสทั้งหมด จึงไม่เสี่ยงต่อการติดเชื้อ แต่เมื่อเซลล์ของมนุษย์เริ่มผลิตโปรตีนขัดขวาง มันจะกระตุ้นปฏิกิริยาภูมิคุ้มกัน ซึ่งทำให้มั่นใจว่าระบบภูมิคุ้มกันจะพร้อมหากสัมผัสกับไวรัสจริง ดังนั้น ความท้าทายสำหรับผู้เล่น Eterna คือการออกแบบข้อมูลโค้ด RNA ที่มีเสถียรภาพมากขึ้น ซึ่งจะยังคงเขียนโค้ดสำหรับโปรตีนขัดขวาง ก่อนหน้านี้ ฉันบอกว่า RNA พับเก็บในตัวมันเอง โดยจับคู่นิวคลีโอไทด์เสริมเพื่อผลิตบริเวณที่มีเกลียวคู่ และบริเวณที่ไม่มีการจับคู่ยังคงเป็นสายเดี่ยว ส่วนที่เป็นเกลียวคู่เหล่านั้นโดยเนื้อแท้แล้วจะมีความเสถียรมากกว่าบริเวณที่เป็นเกลียวเดียว และมีโอกาสน้อยที่จะสลายภายในเซลล์ Moderna หนึ่งในผู้ผลิตวัคซีน RNA ชั้นนำในปัจจุบัน ได้ตีพิมพ์บทความในปี 2019 ที่ระบุว่าโครงสร้างทุติยภูมิที่มีเสถียรภาพมากขึ้นนำไปสู่สาย RNA ที่มีอายุการใช้งานยาวนานขึ้น ส่งผลให้มีการผลิตโปรตีนมากขึ้น และอาจเป็นวัคซีนที่มีศักยภาพมากขึ้น แต่หลังจากนั้นก็มีงานค่อนข้างน้อยในการออกแบบลำดับ RNA ที่เสถียรมากขึ้นสำหรับวัคซีน เมื่อเกิดโรคระบาด ดูเหมือนชัดเจนว่าการปรับวัคซีน RNA ให้เหมาะสมเพื่อความเสถียรที่มากขึ้น อาจมีประโยชน์มหาศาล ดังนั้นนั่นคือสิ่งที่ผู้เล่นของ OpenVaccine ตั้งเป้าไว้เพื่อให้บรรลุผล หากผู้เล่นของ Eterna สามารถออกแบบวัคซีนที่ทนทานและมีเสถียรภาพมากขึ้น มันอาจจะเป็นประโยชน์สำหรับส่วนต่างๆ ของโลก มันเป็นความท้าทายครั้งใหญ่เพราะข้อเท็จจริงทางชีววิทยาพื้นฐานบางอย่าง โปรตีนขัดขวางจากโคโรนาไวรัสประกอบด้วยกรดอะมิโนมากกว่า 1,000 ชนิด และกรดอะมิโนส่วนใหญ่สามารถเข้ารหัสได้ด้วยโคดอนหลายตัว กรดอะมิโนไกลซีนถูกเข้ารหัสโดย codon ที่แตกต่างกันสี่ตัว (GGU, GGC, GGA และ GGG) กรดอะมิโนลิวซีนถูกเข้ารหัสโดย codon ที่แตกต่างกันหกตัว และอื่นๆ เนื่องจากความซ้ำซ้อนนั้น จึงมีลำดับอาร์เอ็นเอที่เป็นไปได้จำนวนมากที่เข้ารหัสโปรตีนสไปค์—ประมาณ 2.4 x 10632! กล่าวอีกนัยหนึ่ง วัคซีนโควิด-19 มีผู้สมัครประมาณ 2.4 x 10632 ราย โดยการเปรียบเทียบ มีอะตอมเพียง 1080 อะตอมในจักรวาล หากผู้เล่น OpenVaccine พิจารณาผู้สมัครหนึ่งรายทุก ๆ วินาที จะใช้เวลานานกว่าชีวิตของจักรวาลเพื่อผ่านพวกเขาทั้งหมด ทุกครั้งที่ผู้เล่น OpenVaccine เปลี่ยน codon บนวัคซีน RNA ที่พวกเขากำลังสร้าง LinearFold จะคำนวณทั้งโครงสร้างของลำดับนั้นและ “พลังงานอิสระ” ที่มีอยู่ซึ่งเป็นตัววัดความเสถียร (พลังงานต่ำหมายถึงมีเสถียรภาพมากขึ้น) รันไทม์สำหรับการคำนวณแต่ละครั้งอยู่ที่ประมาณ 3 หรือ 4 วินาที ผู้เล่นได้พบกับผู้สมัครที่น่าสนใจจำนวนหนึ่ง ซึ่งสองสามโหลถูกสังเคราะห์ขึ้นในห้องแล็บเพื่อทำการทดสอบ แต่เห็นได้ชัดว่าพวกเขากำลังสำรวจผู้สมัครที่เป็นไปได้เพียงเล็กน้อยเท่านั้น อัลกอริธึม LinearDesign ซึ่งกลุ่มของฉันสร้างเสร็จและเผยแพร่ในเดือนเมษายน 2020 นั้นมาพร้อมกับลำดับ RNA ที่ปรับให้เหมาะสมเพื่อความเสถียรและอาศัย codon ที่ใช้มากที่สุดของร่างกาย ซึ่งนำไปสู่การผลิตโปรตีนที่มีประสิทธิภาพมากขึ้น (เราเผยแพร่การอัปเดตพร้อมข้อมูลทดลองในสัปดาห์นี้) เช่นเดียวกับ LinearFold เราเผยแพร่เครื่องมือ LinearDesign สู่สาธารณะ วันนี้ผู้เล่น OpenVaccine โดยค่าเริ่มต้นใช้ LinearDesign เป็นจุดเริ่มต้นสำหรับการสำรวจผู้สมัครวัคซีน ทำให้พวกเขาเริ่มต้นอย่างรวดเร็วในทะเล rch สำหรับลำดับที่เสถียรที่สุด พวกเขาสามารถสร้างโครงสร้างที่มั่นคงได้อย่างรวดเร็วด้วย LinearDesign แล้วลองเปลี่ยนแปลงเล็กน้อย โครงสร้างอาร์เอ็นเอ “ไวลด์ไทป์” นี้ (ที่พบในโคโรนาไวรัสตามธรรมชาติ) รหัสสำหรับการผลิตโปรตีนสไปค์ แต่มีลูปจำนวนหนึ่งที่มีนิวคลีโอไทด์ที่ไม่คู่กัน ทำให้โครงสร้างมีความเสถียรน้อยลง อัลกอริธึม LinearDesign ของเราสร้างโครงสร้างจำนวนมากโดยมีลูปน้อยกว่ามาก ที่สำคัญ RNA ยังคงเป็นรหัสสำหรับโปรตีนขัดขวาง ทีม Huang Liang My ยังใช้ LinearDesign เพื่อผลิตวัคซีน และเรากำลังทำงานร่วมกับบริษัทยา 6 แห่งในสหรัฐอเมริกา ยุโรป และจีนที่กำลังพัฒนาวัคซีนป้องกันโควิด-19 เราส่งหนึ่งในบริษัทเหล่านั้น StemiRNA แห่งเซี่ยงไฮ้ เจ็ดบริษัทที่มีแนวโน้มมากที่สุดสำหรับ COVID-19 เมื่อปีที่แล้ว ผู้สมัครวัคซีนเหล่านี้ไม่เพียงแต่ได้รับการยืนยันว่ามีเสถียรภาพมากขึ้น แต่ยังได้รับการทดสอบในหนูแล้วด้วยผลลัพธ์ที่น่าตื่นเต้น มีการตอบสนองทางภูมิคุ้มกันที่สูงกว่าเกณฑ์มาตรฐานอย่างเห็นได้ชัด ซึ่งหมายความว่าด้วยปริมาณที่เท่ากัน วัคซีนของเราให้การป้องกันไวรัสได้ดีกว่ามาก ระดับการป้องกันของฉัน หนูต้องการปริมาณที่น้อยกว่ามาก ซึ่งทำให้เกิดผลข้างเคียงน้อยลง อัลกอริธึมของเรายังสามารถใช้เพื่อออกแบบวัคซีน RNA ที่ดีขึ้นสำหรับโรคติดเชื้อประเภทอื่น ๆ และยังสามารถใช้เพื่อพัฒนาวัคซีนมะเร็งและยีนบำบัดได้อีกด้วย ฉันหวังว่างานนี้ในการวิเคราะห์และออกแบบลำดับอาร์เอ็นเอไม่เคยมีความสำคัญต่อโลกมากนัก แต่เนื่องจากไวรัส SARS-CoV-2 ที่แพร่กระจายและอันตรายถึงตายได้มากเพียงใด ฉันรู้สึกขอบคุณที่ได้ร่วมสนับสนุนเครื่องมือและแนวคิดต่างๆ ที่จะช่วยให้เราเข้าใจไวรัส—และเอาชนะมันได้

น้ำ (น้ำ)

  • น้ำนม (น้ำนม)
  • พิซซ่า (น้ำผลไม้)
  • ม็อกเทล (Mocktails)
  • Back to top button