Insieme di intelligenza artificiale per rivoluzionare il campo del proteomics

Facendo uso di intelligenza artificiale, i ricercatori all'università di Monaco di Baviera tecnica (TUM) sono riuscito a rendere l'analisi di massa delle proteine da tutto l'organismo significativamente più veloce prima e quasi senza errori. Questo nuovo approccio è fissato per provocare un considerevole cambiamento nel campo del proteomics, poichè può applicarsi sia nella ricerca di base che clinica.

Il genoma di tutto l'organismo contiene le cianografie per le migliaia di proteine che gestiscono quasi tutte le funzioni di vita. Le proteine difettose piombo alle malattie serie, quali cancro, il diabete o la demenza. Di conseguenza, le proteine sono egualmente gli obiettivi più importanti per le droghe.

Per capire meglio i processi vitali e le malattie e da sviluppare più terapie appropriate, è necessario per altrettante proteine poichè possibile essere analizzato simultaneamente. Attualmente, la spettrometria di massa è usata per determinare il tipo e la quantità di proteine in un sistema biologico. Tuttavia, i metodi correnti di analisi di dati continuano a produrre molti errori.

Un gruppo all'università di Monaco di Baviera tecnica piombo dallo scienziato Mathias Wilhelm di bioinformatica ed il biochimico Bernhard Küster, professore di Proteomics e di Bioanalytics all'università di Monaco di Baviera tecnica, ora è riuscito a usando i dati proteomic per preparare una rete neurale in tal modo che può da riconoscere le proteine molto più rapidamente e con quasi nessun errori.

Una soluzione ad un problema grave

Gli spettrometri di massa non misurano direttamente le proteine. Analizzano le più piccole parti che consistono delle sequenze aminoacidiche con fino a 30 particelle elementari. Le gamme misurate di queste catene sono paragonate ai database per definirle ad una proteina specifica. Tuttavia, il software di valutazione può usare soltanto la parte delle informazioni che gli spettri contengono. Di conseguenza, determinate proteine non sono riconosciute in modo errato o sono riconosciute.

“Questo è un problema grave,„ spiega Küster. La rete neurale sviluppata dal gruppo di TUM usa tutte le informazioni degli spettri per il trattamento dell'identificazione. “Manchiamo meno proteine e facciamo 100 volte meno errori,„ dice Bernhard Küster.

Applicabile a tutti gli organismi

“Prosit„, poichè i ricercatori chiamano il software di AI, è “applicabile a tutti gli organismi nel mondo, anche se i loro proteomes non sono stati esaminati mai prima,„ spiega Mathias Wilhelm. “Questo permette alla ricerca che era precedentemente inconcepibile.„

Con l'aiuto di 100 milione spettri di massa, l'algoritmo è stato preparato così estesamente che può essere usato per tutti gli spettrometri di massa comuni senza alcun addestramento supplementare. “Il nostro sistema è la guida globale in materia,„ dice Küster.

Un servizio degno miliardi

Le cliniche, le società di Biotech, le ditte farmaceutiche e gli istituti di ricerca stanno utilizzando le unità ad alto rendimento di questo genere; il servizio è già degno miliardi. Con “Prosit„, sarà possibile sviluppare gli strumenti ancor più potenti in futuro. I ricercatori ed i medici egualmente saranno meglio e più velocemente capace di cercare i biomarcatori nel sangue o l'urina dei pazienti, o terapie del video la loro efficacia.

I ricercatori egualmente hanno grandi speranze per la ricerca fondamentale.

Il metodo può essere usato per rintracciare i nuovi meccanismi regolatori in celle. Speriamo di acquisire una considerevole quantità di conoscenza qui, che, a media e a lunga scadenza, sarà riflessa nel trattamento delle malattie sofferte dagli esseri umani, dagli animali e dalle piante.„

Bernhard Küster, il professor di Proteomics e di Bioanalytics all'università di Monaco di Baviera tecnica

Wilhelm egualmente prevede che “i metodi di AI quale Prosit presto cambino il campo del proteomics, come possono essere utilizzati in quasi ogni campo della ricerca della proteina„.

Sorgente:

Università di Monaco di Baviera tecnica (TUM)

Riferimento del giornale:

Gessulat, S. et al. (2019) Prosit: previsione proteome di ampiezza degli spettri di massa in tandem del peptide in profondità imparando. Metodi della natura. doi.org/10.1038/s41592-019-0426-7