Gli scienziati disfanno come la rete neurale intelligente predice le funzioni delle proteine

I tambucci virtuali intelligenti gradiscono Alexa, Siri e l'assistente di Google lungamente è stato integrato nelle nostre vite di tutti i giorni. Ed i programmi di calcolo intelligenti, cosiddetti algoritmi, egualmente si sono evoluti come strumento integrato nella ricerca scientifica.

I gran quantità dei dati generati nella ricerca di scienze biologiche possono essere esaminati efficientemente per i reticoli di ricorso con l'aiuto degli algoritmi. Determinati programmi possono macchiare le strutture di ricorso in grandi molecole di proteina e poi usare questi informazioni per trarre le conclusioni circa che mansioni cellulari queste molecole eseguono - per esempio, se funzionano come le opzioni del gene, i motori molecolari, o molecole di segnalazione. Le previsioni fatte da tali algoritmi in base alle sequenze della proteina - che consistono di una serie di particelle elementari della proteina messe insieme insieme come una collana della perla - ora sono incredibilmente precise.

Tuttavia, uno svantaggio importante delle tecniche precedenti è che gli utenti sono tenuti completamente nello scuro quanto a perché l'algoritmo definisce una funzione particolare a determinate sequenze della proteina. La conoscenza precisa del computer circa le proteine non è direttamente disponibile, malgrado il fatto che tale conoscenza potrebbe provare inestimabile nell'avanzamento dei ricerca e sviluppo di nuovi agenti.

Un gruppo dello studente, piombo insieme da Roland Eils ed Irina Lehmann dall'istituto di Berlino della sanità (BIH) e Charité - Universitätsmedizin Berlino, in collaborazione con Dominik Niopek dall'istituto della farmacia e della biotecnologia molecolare (IPMB) all'università di Heidelberg, insieme stesso lo scopo di aprire questa conoscenza dal computer. Ha cominciato a lavorare a questo argomento nel 2017 ed ha sviluppato un algoritmo chiamato “DeeProtein,„ una rete neurale completa ed intelligente che può predire le funzioni delle proteine basate sulla sequenza di diverse particelle elementari della proteina, gli amminoacidi. Come la maggior parte dei algoritmi di apprendimento, DeeProtein è “una scatola nera,„ che significa come funzionano rimangono un mistero ai programmatori come pure agli utenti. Ma gli studenti ora hanno usato “un trucco„ per disfare il segreto di questa rete.

I giovani scienziati iniziati sviluppando un modo figurato esaminare la spalla del programma come fa il suo lavoro.

Nell'analisi di sensibilità successivamente mascheriamo ogni posizione nella sequenza della proteina e lasciamo DeeProtein calcolare, o piuttosto predire, la funzione della proteina da questi informazioni incomplete.„  

Zu Belzen di Julius Upmeier

È uno studente nel programma della lastra in biotecnologia molecolare al IPMB e nell'autore principale del documento, che è stato pubblicato appena nell'intelligenza artificiale della natura del giornale.

Dopo forniremo a DeeProtein le informazioni complete di sequenza e confronteremo i due insiemi delle previsioni. In questo modo calcoliamo, per ogni posizione nella sequenza della proteina, quanto importante questa posizione è per la predizione della funzione corretta. Ciò significa che diamo ogni posizione o amminoacido nella catena della proteina un valore della sensibilità per la funzione della proteina.„

Zu Belzen di Julius Upmeier

Gli scienziati poi usano la nuova tecnica analitica per identificare le regioni delle proteine che sono vitali alla loro funzione. Questa tecnica funziona per segnalare le proteine che svolgono un ruolo durante la carcinogenesi pure per lo strumento gene-modificante CRISPR-Cas9, che già è stato collaudato in tantissimi studi preclinici e clinici. “L'analisi di sensibilità ci permette di identificare le regioni della proteina che tollerano bene o non così bene i cambiamenti,„ dice Dominik Niopek. “Questo è un primo punto importante se vogliamo fare i cambiamenti mirati a alle proteine, in modo da fornirle di nuove funzioni o “spengere„ i beni indesiderabili.„

Con questo lavoro mostriamo che non solo possono le previsioni delle reti neurali essere utili, ma che possiamo anche ora per la prima volta usare questa conoscenza implicita per le estremità pratiche.

Roland Eils

Questo approccio è pertinente per molte emissioni nella biologia molecolare e nella medicina.

Se, per esempio, vogliamo sviluppare le droghe mirate a o le terapie geniche, noi devono conoscere esattamente dove mettere a fuoco la nostra attenzione, DeeProtein può ora aiutarci a fare quello.„

Roland Eils

Sorgente:

Für Gesundheitsforschung di Institut del krapfen/istituto di Berlino della sanità

Riferimento del giornale:

Eils, R. et al. (2019) che fa leva conoscenza implicita nelle reti neurali per dissezione e l'organizzazione funzionali delle proteine. Intelligenza artificiale della natura. doi.org/10.1038/s42256-019-0049-9.