Advertencia: Esta página es una traducción de esta página originalmente en inglés. Tenga en cuenta ya que las traducciones son generadas por máquinas, no que todos traducción será perfecto. Este sitio Web y sus páginas están destinadas a leerse en inglés. Cualquier traducción de este sitio Web y su páginas Web puede ser imprecisa e inexacta en su totalidad o en parte. Esta traducción se proporciona como una conveniencia.

Una nueva aproximación de aprendizaje profunda para predecir mutaciones enfermedad-asociadas

Durante los últimos años, inteligencia artificial (AI) -- la capacidad de una máquina para imitar conducta humana -- se ha convertido un protagonista en alto-tecnologías como proyectos de desarrollo de la droga. Las herramientas del AI ayudan a científicos a destapar el secreto detrás de los datos biológicos grandes usando algoritmos de cómputo optimizados. Los métodos del AI tales como red neuronal profunda perfeccionan la toma de decisión en biológico y la predicción química de los usos es decir, de proteínas enfermedad-asociadas, del descubrimiento de biomarkers nuevos y del diseño de novo de la pequeña droga de la molécula lleva. Estas aproximaciones avanzadas ayudan a científicos a desarrollar una droga potencial más eficientemente y económicamente.

Un equipo de investigación llevado por profesor Hongzhe Sun del departamento de la química en la universidad de Hong Kong (HKU), en colaboración con profesor Junwen Wang de la clínica de Mayo, Arizona en los Estados Unidos (colega anterior de HKU), ejecutó una aproximación de aprendizaje profunda robusta para predecir mutaciones enfermedad-asociadas de los sitios metal-obligatorios en una proteína. Ésta es la primera aproximación de aprendizaje profunda para la predicción de las mutaciones metal-relevantes enfermedad-asociadas del sitio en metalloproteins, ofreciendo una nueva plataforma a las enfermedades del ser humano del aparejo. Las conclusión de la investigación fueron publicadas recientemente en una inteligencia de máquina superior de la naturaleza del gorrón científico.

Metal los papeles fundamentales del juego de los iones estructural o funcionalmente en la fisiología (del patho) de sistemas biológicos humanos. Los metales tales como cinc, hierro y cobre son esenciales por todas las vidas y su concentración en células debe ser regulada estrictamente. Una deficiencia o un exceso de estos iones fisiológicos del metal puede causar enfermedad severa en seres humanos. Fue descubierto que una mutación en genoma humano está asociada fuertemente a diversas enfermedades. Si estas mutaciones suceso en la región de la codificación de DNA, puede ser que rompa los sitios metal-obligatorios de las proteínas y por lo tanto inicie enfermedades severas en seres humanos. La comprensión de mutaciones enfermedad-asociadas en los sitios metal-obligatorios de proteínas facilitará el descubrimiento de nuevas drogas.

Los primeros datos integrados del omics de las personas de diversas bases de datos para construir un grupo de datos completo del entrenamiento. Observando las estadísticas de los datos cerco, las personas encontraron que diversos metales tienen diversas asociaciones de la enfermedad. Una mutación en sitios cinc-obligatorios tiene un papel principal en pecho, hígado, riñón, sistema inmune y enfermedades de la próstata. Por el contrario, las mutaciones en los sitios del calcio y el magnesio-atar se asocian a enfermedades del sistema muscular e inmune, respectivamente. Para los sitios hierro-obligatorios, las mutaciones se asocian más a enfermedades metabólicas. Además, las mutaciones de los sitios del manganeso y el cobre-atar se asocian a enfermedades cardiovasculares con estes último que son asociados a enfermedad de sistema nervioso también. Utilizaron un nuevo enfoque para extraer características espaciales de los puntos de enlace del metal usando un mapa energía-basado de la rejilla de la afinidad. Estas características espaciales se han combinado con las características secuenciales fisicoquímicas para entrenar al modelo.

Los resultados finales muestran usando las características espaciales aumentaron el funcionamiento de la predicción con un área bajo la curva (AUC) de 0,90 y exactitud de 0,82. Dado las técnicas y las plataformas avanzadas limitadas en el campo del metallomics y de metalloproteins, la aproximación profundamente de aprendizaje propuesta ofrece un método para integrar los datos experimentales con análisis de la bioinformática. La aproximación ayudará al científico a predecir las mutaciones de la DNA que se asocian a enfermedad como cáncer, enfermedades cardiovasculares y desordenes genéticos.

Profesor Sun dijo:

Aprendizaje de máquina y papeles importantes del juego del AI en la ciencia biológica y química actual. En mi grupo trabajamos en los metales en biología y remedio usando la aproximación integrante del omics incluyendo metallomics y metalloproteomics, y produjimos ya una gran cantidad de datos valiosos usando in vivo/los experimentos de vitro. Ahora desarrollamos una aproximación de la inteligencia artificial basada en profundamente el aprendizaje girar estas informaciones en bruto al conocimiento valioso, llevando para destapar secretos detrás de las enfermedades y para luchar con ellas. Creo que esta aproximación de aprendizaje profunda nueva se puede utilizar en otros proyectos, que está experimentando en nuestro 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.