Equipo de la inteligencia artificial para revolucionar el campo del proteomics

Usando la inteligencia artificial, los investigadores en la universidad de Munich técnica (TUM) han tenido éxito en la fabricación del análisis en masa de proteínas de cualquier organismo importante más rápido que antes y casi sin error. Esta nueva aproximación se fija para provocar un considerable cambio en el campo del proteomics, pues puede ser aplicada en la investigación básica y clínica.

El genoma de cualquier organismo contiene las heliografías para los millares de proteínas que controlen casi todas las funciones de la vida. Las proteínas defectuosas llevan a las enfermedades serias, tales como cáncer, diabetes o demencia. Por lo tanto, las proteínas son también los objetivos más importantes para las drogas.

Para entender mejor procesos y enfermedades de la vida y desarrollar terapias más apropiadas, es necesario que tantas proteínas pues posible ser analizado simultáneamente. Actualmente, la espectrometría de masa se utiliza para determinar el tipo y la cantidad de proteínas en un sistema biológico. Sin embargo, los métodos actuales de análisis de datos continúan producir muchos errores.

Las personas en la universidad de Munich técnica llevaron por el científico Matías Wilhelm de la bioinformática y el bioquímico Bernhard Küster, profesor de Proteomics y de Bioanalytics en la universidad de Munich técnica, ahora ha tenido éxito al usar datos proteomic para entrenar a una red neuronal de una manera tal que pueda reconocer las proteínas mucho más rápidamente y con casi ningunos desvíos.

Una solución a un problema grave

Los espectrómetros de masas no miden las proteínas directamente. Analizan piezas más pequeñas que consisten en series de aminoácido con hasta 30 bloques huecos. Los espectros medidos de estas cadenas se comparan con las bases de datos para destinarlas a una proteína específica. Sin embargo, el software de la evaluación puede utilizar solamente la parte de la información que los espectros contienen. Por lo tanto, ciertas proteínas no se reconocen ni se reconocen incorrectamente.

“Esto es un problema grave,” explica Küster. La red neuronal desarrollada por las personas del TUM utiliza toda la información de los espectros para el proceso de la identificación. “Faltamos menos proteínas y hacemos 100 por menos errores,” dice a Bernhard Küster.

Aplicable a todos los organismos

“Prosit”, pues los investigadores llaman el software del AI, es “aplicable a todos los organismos en el mundo, incluso si sus proteomes nunca se han examinado antes,” explica a Matías Wilhelm. “Esto habilita la investigación que era previamente inconcebible.”

Con la ayuda de 100 millones de espectros en masa, el algoritmo se ha entrenado tan extensivamente que puede ser utilizada para todos los espectrómetros de masas comunes sin ningún entrenamiento adicional. “Nuestro sistema es el líder global en este campo,” dice Küster.

Un mercado digno de mil millones

Las clínicas, las compañías de Biotech, las compañías farmacéuticas y los institutos de investigación están utilizando los dispositivos de alto rendimiento de esta clase; el mercado está ya digno de mil millones. Con “Prosit”, será posible desarrollar los instrumentos aún más potentes en el futuro. Los investigadores y los médicos también estarán mejor y más rápidamente capaz de explorar para los biomarkers en la sangre o la orina de los pacientes, o las terapias del monitor para su eficacia.

Los investigadores también tienen granes esperanzas para la investigación fundamental.

El método se puede utilizar para rastrear nuevos mecanismos reguladores en células. Esperamos ganar una considerable cantidad de conocimiento aquí, que, a medio y largo plazo, será reflejada en el tratamiento de las enfermedades sufridas por los seres humanos, los animales y las instalaciones.”

Bernhard Küster, profesor de Proteomics y de Bioanalytics en la universidad de Munich técnica

Wilhelm también cuenta con que los “métodos del AI tales como Prosit pronto cambien el campo del proteomics, como pueden ser utilizados en casi cada área de la investigación de la proteína”.

Fuente:

Universidad de Munich técnica (TUM)

Referencia del gorrón:

Gessulat, S. y otros (2019) Prosit: predicción proteome-ancha de los espectros en masa en tándem del péptido profundamente aprendiendo. Métodos de la naturaleza. doi.org/10.1038/s41592-019-0426-7