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.

L'algorithme d'apprentissage automatique dépanne des montants considérables de tri de caractéristiques pour la recherche de protéine

Trier des montants considérables de caractéristiques est un goulot d'étranglement dans la recherche de protéine, un inducteur qui est essentiel de se servir de la technologie CRISPR de gène-retouche et de comprendre entièrement les maladies comme le cancer, l'Alzheimer et le Parkinson. Maintenant, les chercheurs à l'université de Copenhague sont devenus les premiers au monde pour employer l'artificial intelligence de faire le levage lourd - et de faire ainsi d'une manière dont peut assurer des normes internationales courantes tout en rendant la science avancée de protéine plus accessible.

Utilisant l'artificial intelligence, les chercheurs d'UCPH ont résolu un problème qui jusqu'ici a été l'obstacle pour la recherche importante de protéine dans la dynamique derrière les maladies telles que le cancer, l'Alzheimer et le Parkinson, ainsi que dans le développement de la chimie viable et des technologies neuves de gène-retouche.

C'a toujours été une tâche longue et provocante d'analyser les ensembles de données énormes rassemblés par des chercheurs comme ils ont employé la microscopie et la technique de smFRET pour voir comment les protéines déménagent et agissent l'un sur l'autre avec leurs environs. En même temps la tâche a exigé un haut niveau des compétences. Par conséquent, la prolifération des serveurs et des disques durs farcis. Maintenant les chercheurs au département de chimie, au centre de la Nano-Science, au centre de fondation de Novo Nordisk pour la recherche de protéine et au Niels Bohr Institute, université de Copenhague, ont développé un algorithme d'apprentissage automatique pour faire le levage lourd.

Nous avions l'habitude de trier des caractéristiques jusqu'à ce que nous soyons allés dérangés. Maintenant notre caractéristique s'analyse au contact du bouton. Et, l'algorithme la fait au moins aussi bien ou l'améliore que nous pouvons. Ceci libère des moyens pour que nous rassemblent plus de caractéristiques que toujours avant et pour obtiennent des résultats plus rapides. »

Simon BO Jensen, biophysicien et stagiaire de PhD au département de chimie et à la Nano-Science centrent

L'algorithme a appris à identifier des configurations de mouvement de protéine, lui permettant de classifier des ensembles de données en quelques secondes -- un procédé qui prend type à des experts plusieurs jours pour accomplir.

« Jusqu'ici, nous nous sommes assis avec des charges des données brutes sous forme de milliers de configurations. Nous avions l'habitude de vérifier par lui manuellement, un par un. Ce faisant, nous sommes devenus le goulot d'étranglement de notre propre recherche. Même pour des experts, le travail cohérent de conduite et l'aboutissement des mêmes conclusions est à maintes reprises difficile. Après tout, nous sommes des êtres humains qui fatiguent et sont à erreur encline, » dit Simon BO Jensen.

Juste le travail d'une seconde pour l'algorithme

Les études au sujet de la relation entre les mouvements de protéine et les fonctionnements conduits par les chercheurs d'UCPH est internationalement - décelé et essentiel pour comprendre comment le corps humain fonctionne. Par exemple, les maladies comprenant le cancer, l'Alzheimer et le Parkinson sont provoquées par des protéines groupant ou changeant en masse compacte leur comportement. La technologie CRISPR de gène-retouche, qui a gagné le prix Nobel en chimie cette année, se fonde également sur la capacité des protéines de couper et épisser des séquences d'ADN spécifiques. Quand les chercheurs d'UCPH comme Guillermo Montoya et Nikos Hatzakis étudient comment ces procédés ont lieu, ils se servent des caractéristiques de microscopie.

« Avant que nous pouvons traiter des graves maladies ou profiter pleinement de CRISPR, nous devons comprendre comment des protéines, les plus petits synthons, travail. C'est où le mouvement et la dynamique de protéine entrent dans le jeu. Et c'est où notre outil est d'aide énorme, » dit Guillermo Montoya, professeur au centre de fondation de Novo Nordisk pour la recherche de protéine.

Attention de partout dans le monde

Il s'avère que les chercheurs de protéine de partout dans le monde ont été manquants juste un tel outil. Plusieurs organismes de recherche internationaux se sont déjà présentés et ont montré un intérêt en employant l'algorithme.

« Cet outil d'AI est une amélioration énorme pour l'inducteur dans son ensemble parce qu'il fournit des normes de fait, ceux avant lequel n'y avait pas il, parce que quand les chercheurs en travers du monde doivent comparer des caractéristiques. Précédemment, une grande partie de l'analyse a été basée sur les avis subjectifs au sujet desquels les configurations étaient utiles. Ceux peuvent varier de l'organisme de recherche à l'organisme de recherche. Maintenant, nous sommes équipés d'un outil qui peut nous assurer toute l'extension les mêmes conclusions, » explique le directeur de recherche Nikos Hatzakis, professeur agrégé au département de chimie et professeur agrégé de société apparentée au centre de fondation de Novo Nordisk pour la recherche de protéine.

Il ajoute que l'outil offre un point de vue différent aussi bien :

« Tandis qu'analyser la chorégraphie du mouvement de protéine reste un créneau, il a gagné le terrain de plus en plus pendant que les microscopes avancés requis pour faire ainsi sont devenus meilleur marché. Toujours, analyser des caractéristiques exige un haut niveau des compétences. Notre outil rend la méthode accessible à un numéro plus grand des chercheurs en biologie et biophysique, même ceux sans compétences spécifiques, si c'est recherche dans le coronavirus ou le développement des médicaments neufs ou des technologies vertes. »

Source:
Journal reference:

Thomsen, J., et al. (2020) DeepFRET, a software for rapid and automated single-molecule FRET data classification using deep learning. eLife. doi.org/10.7554/eLife.60404.