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.

Máquina-aprender o algoritmo ajuda enormes quantidade do tipo para fora dos dados para a pesquisa da proteína

Classificar enormes quantidade dos dados é um gargalo na pesquisa da proteína, um campo que seja crucial utilizar a tecnologia deedição CRISPR e compreender inteiramente doenças como o cancro, o Alzheimer e o Parkinson. Agora, os pesquisadores na universidade de Copenhaga transformaram-se os primeiros no mundo para empregar a inteligência artificial fazer o levantamento pesado - e fazê-lo assim em uma maneira que pudesse assegurar standard internacionais comuns ao fazer ciência avançada da proteína mais acessível.

Usando a inteligência artificial, os pesquisadores de UCPH resolveram um problema que até aqui fosse a escolho para a pesquisa importante da proteína na dinâmica atrás das doenças tais como o cancro, o Alzheimer e o Parkinson, assim como na revelação da química sustentável e de tecnologias deedição novas.

Foi sempre uma tarefa demorada e desafiante analisar os conjunto de dados enormes recolhidos por pesquisadores como usaram a microscopia e a técnica do smFRET para considerar como as proteínas se movem e se interagem com seus arredores. Ao mesmo tempo a tarefa exigiu um nível elevado de experiência. Daqui, a proliferação de server e de discos rígidos enchidos. Agora os pesquisadores no departamento de química, de centro da Nano-Ciência, de centro da fundação de Novo Nordisk para a pesquisa da proteína e do Niels Bohr Institute, universidade de Copenhaga, desenvolveram um algoritmo deaprendizagem para fazer o levantamento pesado.

Nós usamo-nos para classificar dados até que nós fomos loucos. Nossos dados são analisados agora no toque do botão. E, o algoritmo fá-los pelo menos também ou melhora-os do que nós podemos. Isto livra acima recursos para que nós recolham mais dados do que sempre antes e obtenham uns resultados mais rápidos.”

Simon BO Jensen, biofísico e aluno de doutoramento no departamento de química e da Nano-Ciência centra-se

O algoritmo aprendeu reconhecer testes padrões do movimento da proteína, permitindo que classifique séries de dados nos segundos -- um processo que tome tipicamente a peritos diversos dias para realizar.

“Até aqui, nós sentamo-nos com cargas dos dados brutos sob a forma dos milhares de testes padrões. Nós usamo-nos para verificar manualmente com ele, um de cada vez. Em fazê-lo, nós transformamo-nos o gargalo de nossa própria pesquisa. Mesmo para peritos, o trabalho consistente de condução e o alcance das mesmas conclusões são repetidas vezes difíceis. Apesar de tudo, nós somos os seres humanos que se cansam e se são erro inclinado,” dizemos Simon BO Jensen.

Apenas o trabalho de um segundo para o algoritmo

Os estudos sobre o relacionamento entre os movimentos da proteína e as funções conduzidos pelos pesquisadores de UCPH são internacional - reconhecido e essencial para compreender como o corpo humano funciona. Por exemplo, as doenças que incluem o cancro, o Alzheimer e o Parkinson são causadas pelas proteínas que aglutinam-se acima ou que mudam seu comportamento. A tecnologia deedição CRISPR, que ganhou o prémio nobel na química este ano, igualmente confia na capacidade das proteínas para cortar e emendar seqüências específicas do ADN. Quando os pesquisadores de UCPH como Guillermo Montoya e Nikos Hatzakis estudam como estes processos ocorrem, utilizam dados da microscopia.

“Antes que nós possamos tratar doenças sérias ou tomar a vantagem completa de CRISPR, nós precisamos de compreender como proteínas, os blocos de apartamentos os menores, trabalho. Isto é o lugar aonde o movimento e a dinâmica da proteína entram o jogo. E isto é o lugar onde nossa ferramenta é da ajuda tremenda,” diz Guillermo Montoya, professor no centro da fundação de Novo Nordisk para a pesquisa da proteína.

Atenção de todo o mundo

Parece que os pesquisadores da proteína de todo o mundo faltaram apenas tal ferramenta. Diversos grupos de investigação internacionais têm-se apresentado e têm-se mostrado já um interesse em usar o algoritmo.

“Esta ferramenta do AI é um bônus enorme para o campo no conjunto porque fornece padrões comuns, uns de que não havia antes, porque quando os pesquisadores através do mundo precisam de comparar dados. Previamente, muita da análise foi baseada nas opiniões subjetivas sobre que os testes padrões eram úteis. Aqueles podem variar do grupo de investigação ao grupo de investigação. Agora, nós somos equipados com uma ferramenta que possa nos assegurar todo o alcance as mesmas conclusões,” explicamos o director de investigação Nikos Hatzakis, professor adjunto no departamento de química e professor adjunto da filial no centro da fundação de Novo Nordisk para a pesquisa da proteína.

Adiciona que a ferramenta oferece uma perspectiva distinta também:

“Quando analisar a coreografia do movimento da proteína permanecer uma ameia, ganhou mmoído cada vez mais enquanto os microscópios avançados necessários para fazer assim se tornaram mais baratos. Ainda, analisar dados exige um nível elevado de experiência. Nossa ferramenta faz o método acessível a um número maior de pesquisadores na biologia e na biofísica, mesmo aquelas sem experiência específica, se é pesquisa no coronavirus ou na revelação de drogas novas ou de tecnologias verdes.”

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.