人工智能促進(jìn)蛋白質(zhì)組研究

利用人工智能，慕尼黑工業(yè)大學(xué)(TUM)的研究人員成功地對來自任何生物體的蛋白質(zhì)進(jìn)行了大量分析，并且?guī)缀鯖]有錯(cuò)誤。這種新方法將在蛋白質(zhì)組學(xué)領(lǐng)域引發(fā)相當(dāng)大的變化，因?yàn)樗梢詰?yīng)用于基礎(chǔ)研究和臨床研究。

任何有機(jī)體的基因組都包含數(shù)千種蛋白質(zhì)的藍(lán)圖，這些蛋白質(zhì)幾乎可以控制生命的所有功能。有缺陷的蛋白質(zhì)會(huì)導(dǎo)致嚴(yán)重的疾病，如癌癥，糖尿病或癡呆癥。因此，蛋白質(zhì)也是最重要的藥物靶標(biāo)。

為了更好地了解生命過程和疾病并開發(fā)更合適的療法，有必要同時(shí)分析盡可能多的蛋白質(zhì)。目前，使用質(zhì)譜法來確定生物系統(tǒng)中蛋白質(zhì)的類型和數(shù)量。但是，目前的數(shù)據(jù)分析方法繼續(xù)產(chǎn)生許多錯(cuò)誤。

由生物信息學(xué)科學(xué)家Mathias Wilhelm和生物化學(xué)家BernhardKüster領(lǐng)導(dǎo)的慕尼黑工業(yè)大學(xué)團(tuán)隊(duì)，慕尼黑工業(yè)大學(xué)蛋白質(zhì)組學(xué)和生物分析學(xué)教授，現(xiàn)已成功運(yùn)用蛋白質(zhì)組學(xué)數(shù)據(jù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)。能夠更快地識別蛋白質(zhì)并且?guī)缀鯖]有錯(cuò)誤。

解決嚴(yán)重問題的方法

質(zhì)譜儀不直接測量蛋白質(zhì)。他們分析了由氨基酸序列組成的較小部分，最多包含30個(gè)構(gòu)建模塊。將這些鏈的測量光譜與數(shù)據(jù)庫進(jìn)行比較，以將它們分配給特定蛋白質(zhì)。但是，評估軟件只能使用光譜包含的部分信息。因此，某些蛋白質(zhì)未被識別或被錯(cuò)誤識別。

“這是一個(gè)嚴(yán)重的問題，”庫斯特解釋道。由TUM團(tuán)隊(duì)開發(fā)的神經(jīng)網(wǎng)絡(luò)使用光譜的所有信息進(jìn)行識別過程。“我們錯(cuò)過了更少的蛋白質(zhì)，減少了100倍的錯(cuò)誤，”BernhardKüster說。

適用于所有生物

正如研究人員稱之為AI軟件一樣，“Prosit”“適用于世界上所有生物體，即使它們的蛋白質(zhì)組從未被檢測過，”Mathias Wilhelm解釋道。“這使以前難以想象的研究成為可能。”

在1億個(gè)質(zhì)譜的幫助下，該算法經(jīng)過了如此廣泛的訓(xùn)練，可以用于所有常見的質(zhì)譜儀，無需任何額外的培訓(xùn)。“我們的系統(tǒng)是該領(lǐng)域的全球領(lǐng)導(dǎo)者，”Küster說。

一個(gè)價(jià)值數(shù)十億的市場

診所，生物技術(shù)公司，制藥公司和研究機(jī)構(gòu)正在使用這種高性能設(shè)備 - 市場已經(jīng)價(jià)值數(shù)十億美元。有了Prosit，將來有可能開發(fā)出更強(qiáng)大的儀器。研究人員和醫(yī)生在尋找患者血液或尿液中的生物標(biāo)志物或監(jiān)測療法的有效性方面也會(huì)更好，更快。

研究人員對基礎(chǔ)研究寄予厚望。“該方法可用于追蹤細(xì)胞中新的調(diào)節(jié)機(jī)制，”Küster說。“我們希望在這里獲得相當(dāng)多的知識，從中期和長期來看，這些知識將反映在對人類，動(dòng)物和植物所遭受的疾病的治療中。”

Wilhelm還預(yù)計(jì)“像Prosit這樣的AI方法將很快改變蛋白質(zhì)組學(xué)領(lǐng)域，因?yàn)樗鼈儙缀蹩捎糜诘鞍踪|(zhì)研究的每個(gè)領(lǐng)域。”