Durante los últimos años, la inteligencia artificial IA, la capacidad de una máquina para imitar el comportamiento humano, se ha convertido en un jugador clave en la alta tecnología como los proyectos de desarrollo de medicamentos. Las herramientas de IA ayudan a los científicos a descubrir el secreto detrás de lo grandedatos biológicos utilizando algoritmos computacionales optimizados Los métodos de IA, como la red neuronal profunda, mejoran la toma de decisiones en aplicaciones biológicas y químicas, es decir, la predicción de proteínas asociadas a enfermedades, el descubrimiento de biomarcadores novedosos y el diseño de novo de cables de fármacos de molécula pequeña.Los enfoques de vanguardia ayudan a los científicos a desarrollar una droga potencial de manera más eficiente y económica.
Un equipo de investigación dirigido por el profesor Hongzhe Sun del Departamento de Química de la Universidad de Hong Kong HKU, en colaboración con el profesor Junwen Wang de la Clínica Mayo, Arizona en los Estados Unidos un ex colega de la HKU, implementóenfoque de aprendizaje profundo para predecir mutaciones asociadas a enfermedades de los sitios de unión a metales en una proteína.Este es el primer enfoque de aprendizaje profundo para la predicción de mutaciones de sitios relevantes a metales asociados a enfermedades en metaloproteínas, proporcionando una nueva plataforma para abordar enfermedades humanas.Los resultados de la investigación fueron publicados recientemente en una revista científica de primer nivel Inteligencia de la máquina de la naturaleza .
Los iones metálicos desempeñan papeles fundamentales, ya sea estructural o funcionalmente, en la patología fisiología de los sistemas biológicos humanos. Los metales como el zinc, el hierro y el cobre son esenciales para todas las vidas y su concentración en las células debe estar estrictamente regulada. Una deficiencia o un excesode estos iones metálicos fisiológicos pueden causar enfermedades graves en humanos. Se descubrió que una mutación en el genoma humano está fuertemente asociada con diferentes enfermedades. Si estas mutaciones ocurren en la región de codificación del ADN, podría alterar los sitios de unión a metales de las proteínas yen consecuencia, inician enfermedades graves en humanos. La comprensión de las mutaciones asociadas a enfermedades en los sitios de unión a metales de las proteínas facilitará el descubrimiento de nuevos fármacos.
El equipo primero integró datos ómnicos de diferentes bases de datos para crear un conjunto de datos de capacitación integral. Al observar las estadísticas de los datos recopilados, el equipo descubrió que diferentes metales tienen diferentes asociaciones de enfermedades. Una mutación en los sitios de unión de zinc tiene un papel importanteen enfermedades de mama, hígado, riñón, sistema inmune y próstata. Por el contrario, las mutaciones en los sitios de unión de calcio y magnesio están asociadas con enfermedades del sistema inmune y muscular, respectivamente. Para los sitios de unión de hierro, las mutaciones están más asociadas con enfermedades metabólicasAdemás, las mutaciones de los sitios de unión de manganeso y cobre están asociadas con enfermedades cardiovasculares, y estas últimas también están asociadas con enfermedades del sistema nervioso. Utilizaron un enfoque novedoso para extraer características espaciales de los sitios de unión de metales utilizando una cuadrícula de afinidad basada en energíamapa. Estas características espaciales se han fusionado con características secuenciales fisicoquímicas para entrenar el modelo. Los resultados finales muestran el uso deLas características espaciales mejoraron el rendimiento de la predicción con un área bajo la curva AUC de 0,90 y una precisión de 0,82.Dadas las limitadas técnicas y plataformas avanzadas en el campo de la metalómica y las metaloproteínas, el enfoque de aprendizaje profundo propuesto ofrece un método para integrar los datos experimentales con el análisis bioinformático.El enfoque ayudará a los científicos a predecir mutaciones de ADN que están asociadas con enfermedades como el cáncer, enfermedades cardiovasculares y trastornos genéticos.
El profesor Sun dijo: "El aprendizaje automático y la inteligencia artificial desempeñan papeles importantes en la ciencia biológica y química actual. En mi grupo trabajamos en metales en biología y medicina usando un enfoque iónico integrador que incluye la metalómica y la metaloproteómica, y ya produjimos una gran cantidad dedatos valiosos utilizando experimentos in vivo / in vitro. Ahora desarrollamos un enfoque de inteligencia artificial basado en el aprendizaje profundo para convertir estos datos en bruto en conocimiento valioso, lo que permite descubrir secretos detrás de las enfermedades y luchar con ellos. Creo que este nuevo enfoque de aprendizaje profundo puedeser utilizado en otros proyectos, que se está experimentando en nuestro laboratorio "
Fuente de la historia :
Materiales proporcionado por La Universidad de Hong Kong . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :