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.

L'algoritmo di apprendimento automatico aiuta i gran quantità di ordinamento fuori dei dati per la ricerca della proteina

L'ordinamento dei gran quantità dei dati è un grave ostacolo nella ricerca della proteina, un campo che è cruciale da usare la tecnologia gene-modificante CRISPR e completamente da capire le malattie come cancro, Alzheimer e Parkinson. Ora, i ricercatori all'università di Copenhaghen si sono trasformati nei primi nel mondo per impiegare l'intelligenza artificiale fare il sollevamento pesante - ed agire in tal modo in un modo che può assicurare le norme internazionali comuni mentre rende la scienza avanzata della proteina più accessibile.

Facendo uso di intelligenza artificiale, i ricercatori di UCPH hanno risolto un problema che finora è stato lo scoglio per ricerca importante della proteina sulla dinamica dietro le malattie quali cancro, Alzheimer e Parkinson come pure nello sviluppo di chimica sostenibile e di nuove tecnologie gene-modificare.

È stato sempre un compito che richiede tempo e provocatorio di analizzare i gruppi di dati enormi raccolti dai ricercatori come hanno usato la microscopia e la tecnica dello smFRET per vedere come le proteine si muovono ed interagiscono con i loro dintorni. Allo stesso tempo il compito ha richiesto un ad alto livello di competenza. Quindi, la proliferazione dei " server " e dei dischi rigidi farciti. Ora i ricercatori al dipartimento di chimica, del centro di Nano-Scienza, del centro delle fondamenta di Novo Nordisk per la ricerca della proteina e del Niels Bohr Institute, università di Copenhaghen, hanno sviluppato un algoritmo di apprendimento automatico per fare il sollevamento pesante.

Abbiamo usato per ordinare i dati finché non andassimo matti. Ora i nostri dati sono analizzati al tocco di bottone. E, l'algoritmo lo fa almeno pure o migliora che possiamo. Ciò libera le risorse affinchè noi raccolga più dati che mai prima e per ottenere i risultati più veloci.„

Simon BO Jensen, biofisico e studente di PhD al dipartimento di chimica e della Nano-Scienza concentra

L'algoritmo ha imparato riconoscere i reticoli del movimento della proteina, permettendo che classifichi gli insiemi di dati nei secondi -- un trattamento che tipicamente richiede ad esperti parecchi giorni per compire.

“Finora, ci siamo seduti con i caricamenti dei dati grezzi sotto forma di migliaia di reticoli. Abbiamo usato per controllare manualmente con, uno alla volta. In tal modo, ci siamo trasformati nel grave ostacolo della nostra propria ricerca. Anche per gli esperti, il lavoro coerente di conduzione e raggiungere le stesse conclusioni è ripetutamente difficili. Dopo tutto, siamo esseri umani che si stancano e sono ad errore incline,„ diciamo Simon BO Jensen.

Appena il lavoro di un secondo per l'algoritmo

Gli studi circa la relazione fra i movimenti della proteina e le funzioni condotti dai ricercatori di UCPH è internazionalmente - riconosciuto ed essenziale per la comprensione come il corpo umano funziona. Per esempio, le malattie compreso cancro, Alzheimer e Parkinson sono causate dalle proteine che si agglutinano su o che cambiano il loro comportamento. La tecnologia gene-modificante CRISPR, che ha estratto il premio Nobel in chimica questo anno, egualmente conta sulla capacità delle proteine di tagliare ed impiombare le sequenze specifiche del DNA. Quando i ricercatori di UCPH come Guillermo Montoya e Nikos Hatzakis studiano come questi trattamenti hanno luogo, usano i dati di microscopia.

“Prima che possiamo trattare le malattie serie o trar massimo vantaggio da CRISPR, dobbiamo capire come proteine, le più piccole particelle elementari, lavoro. Ciò è dove il movimento e la dinamica della proteina entrano in gioco. E questo è dove il nostro strumento è di guida tremenda,„ dice Guillermo Montoya, professore al centro delle fondamenta di Novo Nordisk per la ricerca della proteina.

Attenzione intorno al mondo

Sembra che i ricercatori della proteina intorno al mondo abbiano mancati appena un tal strumento. Parecchi gruppi di ricerca internazionali già si sono presentati ed hanno indicato un interesse nel usando l'algoritmo.

“Questo strumento di AI è un premio enorme per il campo complessivamente perché fornisce gli standard comuni, un di cui non c' sia stato prima, dato che quando i ricercatori attraverso il mondo devono confrontare i dati. Precedentemente, gran parte dell'analisi è stata basata sulle opinioni soggettive circa cui i reticoli erano utili. Quelli possono variare dal gruppo di ricerca al gruppo di ricerca. Ora, siamo forniti di strumento che può assicurarci tutto lo sbraccio le stesse conclusioni,„ spieghiamo il direttore di ricerca Nikos Hatzakis, professore associato al dipartimento di chimica e professore associato della filiale al centro delle fondamenta di Novo Nordisk per la ricerca della proteina.

Aggiunge che lo strumento offre una prospettiva diversa pure:

“Mentre analizzare la coreografia del movimento della proteina rimane un posto adatto, ha guadagnato sempre più macinato mentre i microscopi avanzati stati necessari per agire in tal modo sono diventato più economici. Eppure, analizzare i dati richiede un ad alto livello di competenza. Il nostro strumento rende il metodo accessibile ad un maggior numero dei ricercatori in biologia e biofisica, anche quelle senza competenza specifica, se è ricerca sul coronavirus o sullo sviluppo di nuove droghe o delle tecnologie verdi.„

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.