新的人工智能工具可以减轻负担巨大的蛋白质组学数据集
UCPH使用人工智能研究人员解决了一个问题,直到现在的绊脚石重要蛋白质动力学的研究背后的疾病,如癌症、老年痴呆症和帕金森症,以及可持续发展的化学和新基因编辑技术。
它一直是一个耗时的和具有挑战性的任务分析的巨大研究人员收集的数据集,因为他们使用显微镜和担心技术看看蛋白质移动和与周围环境互动。与此同时,任务需要高水平的专业知识。因此,服务器和硬盘的扩散。现在,研究人员的化学,纳米科学中心,诺和诺德公司基础蛋白质研究中心和尼尔斯·波尔研究所已经开发出一种机器学习算法来承担这个重任。
“我们用来排序的数据,直到我们就糊涂了。现在我们的数据分析了触摸的按钮。算法,它至少也还是比我们可以更好。这对我们腾出资源收集更多的数据比以往任何时候都更快的结果,”解释了生物物理学家西蒙•波Jensen和博士生的化学和纳米科学中心。
算法已经学会识别蛋白质运动模式,允许它分类数据集在几秒钟内,这一过程通常需要几天来完成专家。
“直到现在,我们坐着大量的原始数据形式的成千上万的模式。我们通过手动,用来检查一次。在这一过程中,我们成为我们自己的研究的瓶颈。即使是专家,进行一致的工作,一次又一次达到相同的结论是困难的。毕竟,我们人类轮胎容易错误,”西蒙波Jensen说。
第二个算法的工作
研究蛋白质之间的关系进行的运动和功能UCPH研究是国际公认的和理解人体所必需的功能。例如,疾病,包括癌症、老年痴呆症和帕金森症是由蛋白质聚集或改变他们的行为。CRISPR基因编辑技术,赢得了今年的诺贝尔化学奖,也依赖于蛋白质剪切和拼接特定DNA序列的能力。当UCPH人员Guillermo蒙托亚和Nikos Hatzakis研究这些过程如何发生,他们利用显微镜数据。
“之前我们可以治疗严重疾病或充分利用CRISPR,我们需要了解蛋白质,最小的构建块,工作。这就是蛋白质运动和动力发挥作用。这就是我们的工具是巨大的帮助,”教授Guillermo蒙托亚说诺和诺德公司基金会蛋白质研究中心。
来自世界各地的关注
看来蛋白质研究人员来自世界各地有多想念这样的工具。几家国际研究小组已经提出了自己和使用算法感兴趣。
“这个人工智能工具是一个巨大的奖金为字段作为一个整体,因为它提供了通用标准,那些之前没有,当研究人员在世界需要比较数据。以前,大部分的分析基于主观意见模式是有用的。这些可以从研究小组研究小组。现在,我们配备了一个工具,可以确保我们都得出相同的结论,”解释了研究主管Nikos Hatzakis,化学系副教授和附属副教授诺和诺德基金会蛋白质研究中心。
他补充说,该工具提供了一个不同的观点:“在分析蛋白质的编排运动仍然是一个利基市场,它得到了越来越多地作为先进的显微镜需要这样做变得便宜。不过,分析数据需要一个高水平的技能。我们的工具使方法可以访问更多的生物学和生物物理学的研究人员,甚至那些没有特定的专业知识,无论是冠状病毒的研究或开发新的药物和绿色技术。”
参考:Thomsen J, Sletfjerding MB,詹森某人,et al . DeepFRET、快速和自动化软件使用深度学习单分子担心数据分类。老菲Deindl年代,刘年代,eds。eLife。2020;9:e60404。doi:10.7554 / eLife.60404。
本文从以下转载材料。注:材料可能是长度和内容的编辑。为进一步的信息,请联系引用源。
