Aviso: Esta página é uma tradução automática da página original em inglês. Por favor note uma vez que as traduções são geradas por máquinas, não tradução tudo será perfeita. Este site e suas páginas da Web destinam-se a ler em inglês. Qualquer tradução deste site e suas páginas da Web pode ser imprecisas e imprecisos no todo ou em parte. Esta tradução é fornecida como uma conveniência.

Uma aproximação de aprendizagem profunda nova para prever mutações doença-associadas

Durante os anos passados, inteligência artificial (AI) -- a capacidade de uma máquina para imitar o comportamento humano -- tornou-se um actor importante nas alto-tecnologias como projectos de desenvolvimento da droga. As ferramentas do AI ajudam cientistas a descobrir o segredo atrás dos dados biológicos grandes usando algoritmos computacionais aperfeiçoados. Os métodos do AI tais como a rede neural profunda melhoram a tomada de decisão em biológico e a previsão química das aplicações isto é, de proteínas doença-associadas, de descoberta de biomarkers novos e de projecto de novo da droga pequena da molécula conduz. Estas aproximações avançadas ajudam cientistas a desenvolver mais eficientemente e economicamente uma droga potencial.

Uma equipa de investigação conduzida pelo professor Hongzhe Sun do departamento de química na universidade de Hong Kong (HKU), em colaboração com o professor Junwen Wang da clínica de Mayo, o Arizona nos Estados Unidos (um colega anterior de HKU), executou uma aproximação de aprendizagem profunda robusta para prever mutações doença-associadas dos locais metal-obrigatórios em uma proteína. Esta é a primeira aproximação de aprendizagem profunda para a previsão de mutações metal-relevantes doença-associadas do local nos metalloproteins, fornecendo uma plataforma nova às doenças do ser humano do equipamento. Os resultados da pesquisa foram publicados recentemente em uma inteligência de máquina superior da natureza do jornal científico.

Metal papéis essenciais do jogo dos íons estrutural ou funcional na fisiologia (do patho) de sistemas biológicos humanos. Os metais tais como o zinco, o ferro e o cobre são essenciais por todas as vidas e sua concentração nas pilhas deve restrita ser regulada. Uma deficiência ou um excesso destes íons fisiológicos do metal podem causar a doença severa nos seres humanos. Descobriu-se que uma mutação no genoma humano está associada fortemente com as doenças diferentes. Se estas mutações acontecem na região da codificação de ADN, pôde interromper locais metal-obrigatórios das proteínas e conseqüentemente iniciar doenças severas nos seres humanos. A compreensão de mutações doença-associadas nos locais metal-obrigatórios das proteínas facilitará a descoberta de drogas novas.

A equipe integrou primeiramente dados do omics das bases de dados diferentes para construir um conjunto de dados detalhado do treinamento. Olhando as estatísticas dos dados recolhidos, a equipe encontrou que os metais diferentes têm associações diferentes da doença. Uma mutação em locais zinco-obrigatórios tem um maior protagonismo em doenças do peito, do fígado, do rim, do sistema imunitário e da próstata. Pelo contraste, as mutações nos locais do cálcio e da magnésio-ligação são associadas com as doenças musculares e do sistema imunitário, respectivamente. Para locais ferro-obrigatórios, as mutações são associadas mais com as doenças metabólicas. Além disso, as mutações dos locais do manganês e da cobre-ligação são associadas com as doenças cardiovasculares com os últimos que estão sendo associados com a doença de sistema nervoso também. Usaram uma aproximação nova para extrair características espaciais dos locais obrigatórios do metal usando um mapa energia-baseado da grade da afinidade. Estas características espaciais foram fundidas com as características seqüenciais físico-químicas para treinar o modelo.

A mostra dos resultados finais que usa as características espaciais aumentou o desempenho da previsão com uma área sob a curva (AUC) de 0,90 e uma precisão de 0,82. Dado as técnicas e as plataformas avançadas limitadas no campo do metallomics e dos metalloproteins, a aproximação profundamente de aprendizagem propor oferece um método integrar os dados experimentais com análise da bioinformática. A aproximação ajudará o cientista a prever as mutações do ADN que são associadas com a doença como o cancro, doenças cardiovasculares e desordens genéticas.

O professor Sun disse:

Aprendizagem de máquina e de jogo do AI papéis importantes na ciência biológica e química actual. Em meu grupo nós trabalhamos em metais na biologia e na medicina usando a aproximação integrative do omics que inclui o metallomics e o metalloproteomics, e nós já produzimos uma grande quantidade de dados valiosos usando-se in vivo/experiências de vitro. Nós desenvolvemos agora uma aproximação da inteligência artificial baseada na aprendizagem profundamente girar estes dados brutos para o conhecimento valioso, conduzindo para descobrir segredos atrás das doenças e para lutá-los com elas. Eu acredito que esta aproximação de aprendizagem profunda nova pode ser usada em outros projectos, que se está submetendo em nosso laboratório.”

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.