В последние годы искусственный интеллект (ИИ) – способность машины имитировать поведение человека – стал ключевым игроком в таких высоких технологиях, как проекты по разработке лекарств. Инструменты искусственного интеллекта помогают ученым раскрыть секрет больших биологических данных, используя оптимизированные вычислительные алгоритмы. Методы искусственного интеллекта, такие как глубокая нейронная сеть, улучшают процесс принятия решений в биологических и химических приложениях, т. Е. Прогнозируют связанные с болезнью белки, открывают новые биомаркеры и разрабатывают маломолекулярные лекарственные отведения. Эти современные подходы помогают ученым более эффективно и экономично разрабатывать потенциальное лекарственное средство.

Исследовательская группа во главе с профессором Хунже Сунь из химического факультета Университета Гонконга (HKU) в сотрудничестве с профессором Джунвен Вангом из клиники Майо, штат Аризона, США (бывший коллега из HKU), осуществила надежный метод глубокого обучения для прогнозирования связанных с заболеванием мутаций сайтов связывания металлов в белке. Это первый метод глубокого обучения для прогнозирования связанных с заболеванием металл-релевантных мутаций сайта в металлопротеинах, предоставляющий новую платформу для борьбы с болезнями человека. Результаты исследований были недавно опубликованы в главном научном журнале Nature Machine Intelligence .

Ионы металлов играют основную или структурную или функциональную роль в (пато) физиологии биологических систем человека. Такие металлы, как цинк, железо и медь, необходимы для всей жизни, и их концентрация в клетках должна строго регулироваться. Дефицит или избыток этих физиологических ионов металлов может вызвать тяжелые заболевания у людей. Было обнаружено, что мутации в геноме человека тесно связаны с различными заболеваниями. Если эти мутации происходят в кодирующей области ДНК, это может нарушить сайты связывания металлов белков и, следовательно, вызвать серьезные заболевания у людей. Понимание связанных с болезнью мутаций в металло-связывающих сайтах белков будет способствовать открытию новых лекарств.

Команда сначала объединила данные omics из разных баз данных, чтобы создать комплексный набор данных для обучения. Посмотрев статистику по собранным данным, команда обнаружила, что разные металлы имеют разные ассоциации с болезнями. Мутация в сайтах, связывающих цинк, играет важную роль в заболеваниях молочной железы, печени, почек, иммунной системы и простаты. Напротив, мутации в сайтах связывания кальция и магния связаны с заболеваниями мышечной и иммунной систем соответственно. Для сайтов, связывающих железо, мутации более связаны с метаболическими заболеваниями. Кроме того, мутации сайтов связывания марганца и меди связаны с сердечно-сосудистыми заболеваниями, причем последние связаны также с заболеваниями нервной системы. Они использовали новый подход для извлечения пространственных объектов из сайтов связывания металлов, используя основанную на энергии карту сетки сродства. Эти пространственные особенности были объединены с физико-химическими последовательными элементами для обучения модели.

Окончательные результаты показывают, что использование пространственных характеристик улучшило эффективность прогнозирования с площадью под кривой (AUC), равной 0,90, и точностью 0,82. Учитывая ограниченные передовые методы и платформы в области металломики и металлопротеинов, предлагаемый подход глубокого обучения предлагает метод интеграции экспериментальных данных с анализом биоинформатики. Подход поможет ученому предсказать мутации ДНК, которые связаны с такими заболеваниями, как рак, сердечно-сосудистые заболевания и генетические нарушения.

Профессор Сунь сказал:

Машинное обучение и искусственный интеллект играют важную роль в современной биологической и химической науке. В моей группе мы работали над металлами в биологии и медицине, используя интегративный омический подход, включая металломику и металлопротеомику, и мы уже собрали большое количество ценных данных, используя эксперименты in vivo / vitro. Сейчас мы разрабатываем подход искусственного интеллекта, основанный на глубоком обучении, чтобы превратить эти необработанные данные в ценные знания, ведущие к раскрытию секретов болезней и борьбе с ними. Я считаю, что этот новый подход глубокого обучения может быть использован в других проектах, которые реализуются в нашей лаборатории. "