С помощью глубокого обучения для прогнозирования болезни-ассоциированных мутаций

В течение последних лет, искусственный интеллект (ИИ) — возможность машины, чтобы имитировать человеческое поведение-стал одним из ключевых игроков в сфере высоких технологий, такие как проекты по разработке лекарственных препаратов. Инструменты ИИ поможет ученым раскрыть секрет больших биологических данных с использованием оптимизированных вычислительных алгоритмов. Методы ИИ, таких как глубокие нейронные сети улучшает процесс принятия решений в биологических и химических процессах, т. е. прогноз болезни-ассоциированных белков, открытие новых биомаркеров и де ново малой молекулы препарата приводит. Эти новейшие подходы помогают ученым эффективно и экономично развивать потенциал препарата.

Исследовательская группа под руководством профессора Hongzhe Солнце из кафедры химии в Университете Гонконга (университет), в сотрудничестве с профессором Junwen Ван из Клиники Майо, штат Аризона в США (бывший университет коллега), внедрить активный глубокий подход к обучению, чтобы предсказать болезнь-ассоциированных мутаций металл-связывающих участков белка. Это первое глубокое изучение подхода для прогнозирования течения заболевания-металлические-соответствующего сайта мутаций в metalloproteins, обеспечивая новую платформу для борьбы с болезнями человека. Результаты исследования были недавно опубликованы в научном журнале Nature машина разведки.

Ионы металлов играют важнейшую роль либо конструктивно или функционально в (Пато)физиологии биологических систем человека. Металлы, такие как цинк, железо и медь необходимы для жизни всех людей и их концентрации в клетках должен быть строго регламентирован. Недостаток или избыток этих ионов физиологических металл может вызвать серьезные заболевания у людей. Было обнаружено, что мутации в геноме человека тесно связаны с различными заболеваниями. Если эти мутации происходят в кодирующей области ДНК, это может нарушить металла-сайтов связывания белков и, следовательно, инициировать серьезные заболевания у человека. Понимание болезни-ассоциированных мутаций на границе металл-сайтов связывания белков будет способствовать открытию новых лекарств.

Команда первых интегрированных данных омиксных из разных баз данных, чтобы создать всеобъемлющий набор данных для обучения. Глядя на статистику из собранных данных, ученые обнаружили, что различные металлы имеют разные ассоциации болезни. Мутация в цинк-связывающих сайтов играет важную роль в груди, печени, почек, иммунной системы и заболеваний предстательной железы. Напротив, мутации В кальций — и магний-сайты связывания связан с мышечным и заболевания иммунной системы, соответственно. Для железосвязывающей сайты, мутации, больше связанное с нарушением обмена веществ заболеваний. Кроме того, мутации марганец и медь-связывающих сайтов связаны с сердечно-сосудистыми заболеваниями которые связанные с заболевание нервной системы. Они использовали новый подход для извлечения пространственных объектов из металла связывания с использованием энергии на основе сходства сетки карты. Эти пространственные характеристики были объединены с последовательным физико-химические характеристики для обучения модели. Окончательные результаты показывают, используя пространственные особенности увеличенная производительность предсказание с площадью под кривой (AUC) составляет 0,90 и точностью 0.82. С учетом ограниченности передовых технологий и платформ в области metallomics и metalloproteins, предлагаемые глубокий подход к обучению предлагает способ интеграции экспериментальных данных с помощью биоинформатического анализа. Этот подход поможет ученым предсказывать мутации ДНК, которые связаны с болезнями как рак, сердечнососудистые заболевания и генетические нарушения.

Профессор Сунь сказал: «машинного обучения и ИИ играют важную роль в текущей биологической и химической науки. В моей группе мы работали на металлы в биологии и медицине, используя интегративный подход омик в том числе metallomics и metalloproteomics, и мы уже произведен большой объем ценных данных, используя в Vivo экспериментах/ЭКО. Сейчас мы разрабатываем искусственный интеллект подход, основанный на глубоком изучении, чтобы превратить эти исходные данные в ценные знания, ведущие, чтобы раскрыть секреты за болезней и борьбы с ними. Я считаю, что этот роман глубокий подход к обучению может быть использован в других проектах, которые проводятся в нашей лаборатории».

сделать разницу: спонсорские возможности