Сейчас искусственный интеллект (ИИ), способный имитировать поведение человека, стал ключевым игроком в таких высоких технологиях, как проекты по разработке лекарств. Инструменты искусственного интеллекта помогают ученым раскрыть секрет больших биологических данных, используя оптимизированные вычислительные алгоритмы. Методы искусственного интеллекта, такие как глубокая нейронная сеть, улучшают процесс принятия решений в биологических и химических приложениях, т. Е. Прогнозируют связанные с болезнью белки, открывают новые биомаркеры и разрабатывают маломолекулярные лекарственные отведения. Эти современные подходы помогают ученым более эффективно и экономично разрабатывать потенциальное лекарственное средство.

Исследовательская группа во главе с профессором Хунже Сунь из химического факультета Университета Гонконга (HKU) сотрудничая с профессором Джунвен Ванг из клиники Майо, штат Аризона, США (бывший коллега из HKU), осуществила глубокое глубокое обучение подход для прогнозирования связанных с заболеванием мутаций металл-связывающих сайтов в белке. Это первый метод глубокого обучения для прогнозирования связанных с заболеванием металл-релевантных мутаций сайта в металлопротеинах, предоставляющий новую платформу для игрой в снежки с болезнями человека. Результаты исследований были недавно опубликованы в ведущем научном журнале Природа Машинный Интеллект.

Ионы металлов играют основную иначе говоря структурную по другому функциональную роль в (пато) физиологии биологических систем человека. Такие металлы, как цинк, железо и медь, необходимы для всей жизни, и их концентрация в клетках должна строго регулироваться. Дефицит по другому избыток этих физиологических ионов металлов вызывает тяжелые 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 сайты связывания металлов белков и, следовательно, вызвать серьезные заболевания у людей. Понимание связанных с болезнью мутаций в сайтах связывания металлов с белками будет способствовать открытию новых лекарств.

Используя глубокое обучение, чтобы предсказать связанные с болезнью мутации. ScienceDaily

Сначала команда объединила данные omics из разных баз данных, чтобы создать комплексный набор данных для обучения. Посмотрев статистику по собранным данным, команда обнаружила, что разные металлы имеют разные ассоциации с болезнями. Мутация в сайтах, связывающих цинк, играет важную роль в заболеваниях молочной железы, печени, почек, иммунитета и простаты. Напротив, мутации в сайтах связывания кальция и магния связаны с заболеваниями мышечной и иммунной систем соответственно. Для сайтов, связывающих железо, мутации более связаны с метаболическими заболеваниями. Уже сегодня, мутации сайтов связывания марганца и меди связаны с сердечно-сосудистыми заболеваниями, причем последние связаны также с заболеваниями нервов. Они использовали новый подход для извлечения пространственных объектов из сайтов связывания металлов, используя основанную на энергии карту сетки сродства. Эти пространственные характеристики были объединены с физико-химическими последовательными элементами для обучения модели. Окончательные результаты показывают, что использование пространственных особенностей улучшило эффективность прогнозирования с площадью под кривой (AUC) 0,90 и точностью 0,82. Учитывая ограниченные передовые методы и платформы в области металломики и металлопротеинов, предлагаемый подход глубокого обучения предлагает метод интеграции экспериментальных данных с анализом биоинформатики. Подход поможет ученому предсказать мутации ДНК, которые связаны с такими заболеваниями, как рак, сердечно-сосудистые заболевания и генетические нарушения.

READ  Что такое Thunderbolt 3 Здесь есть все, что вам нужно знать

Профессор Сунь сказал: «Машинное обучение и искусственный интеллект играют важную роль в современной биологической и химической науке. В моей группе мы работали над металлами в биологии и медицине, используя интегративный омический подход, включая металломику и металлопротеомику, и мы уже собрали много ценных данных. с применением экспериментов in vivo / vitro. Сейчас мы разрабатываем подход искусственного интеллекта, основанный на глубоком обучении, чтобы превратить эти необработанные данные в ценные знания, ведущие к раскрытию секретов болезней и борьбе имея его. Я считаю, что Данный новый подход глубокого обучения используется в других проектах, которые реализуются в компании ».