Attenzione: questa pagina è una traduzione automatica di questa pagina originariamente in lingua inglese. Si prega di notare in quanto le traduzioni sono generate da macchine, non tutte le traduzioni saranno perfetti. Questo sito web e le sue pagine web sono destinati ad essere letto in inglese. Ogni traduzione del sito e le sue pagine web possono essere imprecise e inesatte, in tutto o in parte. Questa traduzione è fornita per comodità.

Un nuovo approccio d'apprendimento profondo per predire le mutazioni malattia-associate

Durante gli anni scorsi, intelligenza artificiale (AI) -- la capacità di un commputer per imitare comportamento umano -- è diventato un attore chiave nelle alto-tecnologie come i progetti di sviluppo della droga. Gli strumenti di AI aiutano gli scienziati a scoprire il segreto dietro i grandi dati biologici facendo uso degli algoritmi di calcolo ottimizzati. I metodi di AI quale la rete neurale profonda migliora il processo decisionale in biologico e la previsione chimica delle applicazioni cioè, delle proteine malattia-associate, della scoperta dei biomarcatori novelli e della progettazione di de novo di piccola droga della molecola piombo. Questi approcci avanzati aiutano gli scienziati a sviluppare più efficientemente ed economicamente una droga potenziale.

Un gruppo di ricerca piombo dal professor Hongzhe Sun dal dipartimento di chimica all'università di Hong Kong (HKU), in collaborazione con il professor Junwen Wang dalla clinica di Mayo, Arizona negli Stati Uniti (un ex collega di HKU), ha applicato un approccio d'apprendimento profondo robusto per predire le mutazioni malattia-associate dei siti dell'metallo-associazione in una proteina. Ciò è il primo approccio d'apprendimento profondo per la previsione delle mutazioni metallo-pertinenti malattia-associate del sito nei metalloproteins, fornente una nuova piattaforma alle malattie dell'essere umano dell'attrezzatura. I risultati della ricerca recentemente sono stati pubblicati in un'intelligenza artificiale superiore della natura del giornale scientifico.

Metal strutturalmente o dal punto di vista funzionale i ruoli fondamentali del gioco degli ioni in fisiologia (di patho) dei sistemi biologici umani. I metalli quali zinco, ferro e rame sono essenziali per tutte le vite e la loro concentrazione in celle deve essere regolamentata rigorosamente. Una carenza o un eccesso di questi ioni fisiologici del metallo può causare la malattia severa in esseri umani. È stato scoperto che una mutazione in genoma umano è associata forte con differenti malattie. Se queste mutazioni accadono nella sequenza codificante di DNA, potrebbe interrompere i siti dell'metallo-associazione delle proteine e conseguentemente iniziare le malattie severe in esseri umani. La comprensione delle mutazioni malattia-associate ai siti dell'metallo-associazione delle proteine faciliterà la scoperta di nuove droghe.

Il gruppo in primo luogo ha integrato i dati di omics dai database differenti per sviluppare un gruppo di dati completo di addestramento. Esaminando le statistiche dai dati raccolti, il gruppo ha trovato che i metalli differenti hanno associazioni differenti di malattia. Una mutazione nei siti dell'zinco-associazione ha un ruolo principale nelle malattie del petto, del fegato, del rene, del sistema immunitario e della prostata. Al contrario, le mutazioni nei siti dell'magnesio-associazione e del calcio sono associate con le malattie del sistema immunitario e muscolari, rispettivamente. Per i siti dell'ferro-associazione, le mutazioni di più sono associate con le malattie metaboliche. Ancora, le mutazioni di manganese ed i siti dell'rame-associazione sono associati con le malattie cardiovascolari con gli ultimi che sono associati con la malattia del sistema nervoso pure. Hanno usato un approccio novello per estrarre le funzionalità spaziali dalle sedi del legame del metallo facendo uso ad una di una mappa basata a energia di griglia di affinità. Queste funzionalità spaziali sono state fuse con le funzionalità sequenziali fisico-chimiche per preparare il modello.

I risultati finali mostrano facendo uso delle funzionalità spaziali hanno migliorato la prestazione della previsione con un'area nell'ambito della curva (AUC) di 0,90 e di un'accuratezza di 0,82. Dato le tecniche e le piattaforme avanzate limitate nel campo del metallomics e dei metalloproteins, l'approccio in profondità d'apprendimento proposto offre un metodo per integrare i dati sperimentali con l'analisi di bioinformatica. L'approccio aiuterà lo scienziato a predire le mutazioni del DNA che sono associate con la malattia come cancro, le malattie cardiovascolari e le malattie genetiche.

Il professor Sun ha detto:

L'apprendimento automatico ed il AI svolgono i ruoli importanti nella scienza biologica e chimica corrente. Nel mio gruppo abbiamo lavorato ai metalli nella biologia e nella medicina facendo uso dell'approccio integrante di omics compreso il metallomics e il metalloproteomics e già abbiamo prodotto un gran numero di dati apprezzati facendo uso di in vivo/esperimenti di vitro. Ora sviluppiamo un approccio di intelligenza artificiale basato in profondità sull'apprendimento girare questi dati grezzi in conoscenza apprezzata, piombo per scoprire i segreti dietro le malattie e per combattere con loro. Credo che questo approccio d'apprendimento profondo novello possa essere utilizzato in altri progetti, che sta subendo nel nostro laboratorio.„

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.