機械学習による高感度なウイルス診断法の設計

核酸に基づくウイルス診断法の設計は一般にヒューリスティックな規則にしたがい、ウイルスの変異に対処するためにゲノム上の保存された領域に着目する。一方、設計過程は、標的およびそのバリアントに関する感度の学習済みモデルを用いて診断法の有効性を直接最適化できる可能性がある。その目標に向けて、我々はCRISPRに基づく診断法に絞って診断法と標的のペア1万9209組のスクリーニングを行い、診断法の読み出しを正確に予測するようにディープニューラルネットワークを訓練した。このモデルに組み合わせ最適化を合わせることで、ウイルスのゲノム変異の全体にわたって感度を最大化させた。我々は自動設計システムADAPT（Activity-informed Design with All-inclusive Patrolling of Targets）を導入し、脊椎動物が感染する1933種のウイルスの診断法を、大多数の種に関して2時間以内、3種を除く残り全ての種では24時間以内で設計した。ADAPTによる設計が高感度であって系統レベルに特異的であること、またウイルスの変異の全体にわたって標準的な設計法の成果物を下回る検出限界を可能にすることが、実験によって明らかにされた。我々の方法は、変化を先取りする病原体検出アッセイのリソースに資する可能性がある。