به گزارش گروه علم و فناوری ایسکانیوز، دانشمندان برای اولین بار از علم هوش مصنوعی برای پیش بینی جهشها در پروتئین فلزی استفاده کردند که این یافته بستری جدید برای مقابله با بیماری های انسانی فراهم می کند.
یک تیم تحقیقاتی به سرپرستی پروفسور «Hongzhe Sun» از گروه شیمی دانشگاه هنگ کنگ با همکاری «Junwen Wang» از کلینیک مایو، این پروژه را انجام دادند. یافتههای تحقیق اخیراً در مجله علمی «Nature Machine Intelligence» منتشر شده است.
یونهای فلزی از نظر ساختاری و عملکردی در فیزیولوژی سیستمهای بیولوژیکی انسان نقش محوری دارند.
فلزاتی مانند روی، آهن و مس برای همه زندگیها ضروری است و باید غلظت آن در سلولها تنظیم شود.
کم یا زیاد بودن یونهای فلزی فیزیولوژیکی میتواند باعث بیماری شدید در انسان شود. یک جهش در ژنوم انسان به شدت با بیماریهای مختلف همراه است. اگر این جهش ها در ناحیه کد کننده DNA اتفاق بیفتد، ممکن است محل اتصال فلز پروتئینها را مختل کرده و در نتیجه بیماریهای شدیدی را در انسان ایجاد کند.
درک جهشهای مرتبط با بیماری در محلهای اتصال فلز پروتئینها باعث کشف داروهای جدید میشود.
این تیم جهت آموزش ابتدا داده پایگاههای مختلف را برای ایجاد مجموعهای جمعآوری کردند. این تیم با مشاهده دادههای جمع آوری شده دریافتند که فلزات مختلف با بیماریهای متفاوتی مرتبط هستند. جهش در محل های اتصال نقش مهمی در بیماریهای پستان، کبد، کلیه، سیستم ایمنی و پروستات دارد.
در مقابل، جهش در محلهای اتصال کلسیم و منیزیم به ترتیب با بیماریهای عضلانی و سیستم ایمنی همراه است و در مکانهای اتصال آهن، بیشتر با بیماریهای متابولیک همراه است.
علاوه بر این، جهش سایت های اتصال منگنز و مس با بیماری های قلبی عروقی همراه است.
دانشمندان از روشی جدید برای استخراج ویژگیهای مکانی از محلهای اتصال فلزی با استفاده از «affinity grid map» مبتنی بر انرژی استفاده کردند.
این ویژگی های مکانی با ویژگیهای شیمیفیزیک برای آموزش مدل ادغام شده است. نتایج نهایی نشان می دهد که با استفاده از خصوصیات مکانی، عملکرد پیش بینی به میزان 0.90 و دقت 0.82 بهبود داده شده است.
این روش به دانشمندان کمک می کند تا جهش های DNA را که با بیماری هایی مانند سرطان، بیماریهای قلبی عروقی و اختلالات ژنتیکی در ارتباط است پیش بینی کنند.
Sun گفت: « ما در حال حاضر یک رویکرد مبتنی بر یادگیری عمیق ایجاد کرده ایم تا این داده های خام را به دانش تبدیل کنیم تا اسرار پشت پرده بیماری را کشف کنیم. از این روش میتوان در بیماریهای دیگر نیز استفاده کرد.»
روش های هوش مصنوعی مانند شبکه عصبی عمیق باعث بهبود تصمیم گیری در برنامه های کاربردی بیولوژیکی و شیمیایی میشود، پیش بینی پروتئین های مرتبط با بیماری و کشف نشانگرهای زیستی جدید برخی از آنها است. این رویکردهای مدرن به دانشمندان کمک می کند تا یک داروی بالقوه کارآمدتر و اقتصادی تر را تولید کنند.
انتهای پیام/