Avertissement : Cette page est une traduction automatique de cette page à l'origine en anglais. Veuillez noter puisque les traductions sont générées par des machines, pas tous les traduction sera parfaite. Ce site Web et ses pages Web sont destinés à être lus en anglais. Toute traduction de ce site et de ses pages Web peut être imprécis et inexacte, en tout ou en partie. Cette traduction est fournie dans une pratique.

Une approche apprenante profonde neuve pour prévoir des mutations maladie-associées

Pendant les dernières années, artificial intelligence (AI) -- la capacité d'une machine pour imiter le comportement humain -- a été un acteur clé dans les highs techs comme des projets de développement de médicament. Les outils d'AI aident des scientifiques à découvrir le secret derrière les grandes caractéristiques biologiques utilisant des algorithmes de calcul optimisés. Les méthodes d'AI telles que le réseau neuronal profond améliore la prise de décision dans biologique et la prévision chimique d'applications c.-à-d., des protéines maladie-associées, de la découverte des biomarqueurs nouveaux et du modèle de novo du médicament de petite molécule aboutit. Ces approches de pointe aident des scientifiques à développer un médicament potentiel plus efficacement et économiquement.

Une équipe de recherche aboutie par professeur Hongzhe Sun à partir du département de chimie à l'université de Hong Kong (HKU), en collaboration avec professeur Junwen Wang à partir de la Mayo Clinic, Arizona aux Etats-Unis (un collègue d'ancien HKU), a mis en application une approche apprenante profonde robuste pour prévoir des mutations maladie-associées des sites métal-grippants dans une protéine. C'est la première approche apprenante profonde pour la prévision des mutations métal-appropriées maladie-associées de site dans les metalloproteins, fournissant une plate-forme neuve aux maladies d'être humain de palan. Les découvertes de recherches étaient récent publiées dans une intelligence informatique de première nature de tourillon scientifique.

Metal les rôles pivot de jeu d'ions structurellement ou fonctionellement en physiologie (de patho) des systèmes biologiques humains. Les métaux tels que le zinc, le fer et le cuivre sont essentiels pendant toutes les durées et leur concentration en cellules doit être strictement réglée. Un déficit ou un excès de ces ions physiologiques en métal peut entraîner la maladie sévère chez l'homme. On l'a découvert qu'une mutation en génome humain sont fortement associées aux différentes maladies. Si ces mutations se produisent en région codante d'ADN, elle pourrait perturber les sites métal-grippants des protéines et les maladies sévères par conséquent initiées chez l'homme. La compréhension des mutations maladie-associées aux sites métal-grippants des protéines facilitera la découverte des médicaments neufs.

L'équipe a intégré la première fois des caractéristiques d'omics de différentes bases de données pour établir un ensemble de données complet de formation. En regardant les statistiques des caractéristiques rassemblées, l'équipe a constaté que les différents métaux ont différentes associations de la maladie. Une mutation dans les sites zinc-grippants a un rôle important dans le sein, le foie, le rein, le système immunitaire et les maladies de la prostate. En revanche, les mutations dans les sites de calcium et de magnésium-gripper sont associées aux maladies musculaires et de système immunitaire, respectivement. Pour les sites fer-grippants, des mutations davantage sont associées aux maladies métaboliques. En outre, des mutations des sites de manganèse et de cuivre-gripper sont associées aux maladies cardio-vasculaires avec ce dernier étant aussi bien associés à la maladie de système nerveux. Elles ont employé une approche nouvelle pour extraire les caractéristiques spatiales des accepteurs en métal utilisant un plan basé sur énergie de réseau d'affinité. Ces caractéristiques spatiales ont été fusionnées avec les configurations séquentielles physico-chimiques pour former le modèle.

Les résultats finaux montrent utilisant les caractéristiques spatiales améliorées le rendement de la prévision avec un endroit sous la courbure (AUC) de 0,90 et une exactitude de 0,82. Vu les techniques et les plates-formes avancées limitées dans le domaine du metallomics et des metalloproteins, l'approche apprenante profonde proposée offre une méthode pour intégrer les données expérimentales avec l'analyse de bio-informatique. L'approche aidera le scientifique à prévoir les mutations d'ADN qui sont associées à la maladie comme le cancer, les maladies cardio-vasculaires et les affections génétiques.

Professeur Sun a dit :

L'apprentissage automatique et l'AI jouent des rôles majeurs dans la science biologique et chimique actuelle. Dans mon groupe nous avons travaillé aux métaux en biologie et médicament utilisant l'approche intégratrice d'omics comprenant le metallomics et le metalloproteomics, et nous avons déjà produit un grand nombre de caractéristiques précieuses utilisant in vivo/expériences de vitro. Nous développons maintenant une approche d'artificial intelligence basée sur apprendre profondément à tourner ces données brutes à la connaissance précieuse, aboutissant à découvrir des secrets derrière les maladies et à combattre avec elles. Je crois que cette approche apprenante profonde nouvelle peut être employée dans d'autres projets, qui subit dans notre laboratoire. »

Source:
Journal reference:

Koohi-Moghadam, M., et al. (2019) Predicting disease-associated mutation of metal-binding sites in proteins using a deep learning approach. Nature Machine Intelligence. doi.org/10.1038/s42256-019-0119-z.