综合精品天天夜夜久久,日本中文字幕二区区精品,亚洲欧美中文字幕制服二区,青青青国产爽爽视频免费观看

      

      

        
  

        

        
	
	

        

        



        

	
        

        
	
        
  	       
        
       中國基因網(wǎng)您的位置：首頁 >行業(yè)資訊 >        
        
  
        
		
        
			
        使用深度學習預測與疾病相關(guān)的突變
        
			
        
				2019-12-28 09:06:53
				?
			  來源：
			
        
		
        
				
		
        
			
        在過去的幾年中，人工智能(AI)(一種機器模仿人類行為的能力)已成為藥物開發(fā)項目等高科技領域的關(guān)鍵參與者。人工智能工具可幫助科學家使用優(yōu)化的計算算法來發(fā)現(xiàn)生物大數(shù)據(jù)背后的秘密。諸如深層神經(jīng)網(wǎng)絡之類的AI方法改善了生物和化學應用中的決策，即疾病相關(guān)蛋白的預測，新型生物標志物的發(fā)現(xiàn)以及小分子藥物引線的從頭設計。這些最先進的方法可幫助科學家更有效，更經(jīng)濟地開發(fā)潛在的藥物。
        

        使用深度學習預測與疾病相關(guān)的突變
        

        香港大學化學系孫洪哲教授領導的研究團隊與美國亞利桑那州梅奧診所的王俊文教授(前香港大學同事)合作實施了強大的深度學習預測蛋白質(zhì)中金屬結(jié)合位點與疾病相關(guān)的突變的方法。這是用于預測金屬蛋白中與疾病相關(guān)的金屬相關(guān)位點突變的第一種深度學習方法，為應對人類疾病提供了新的平臺。該研究結(jié)果最近發(fā)表在頂級科學期刊《自然機器智能》上。
        

        金屬離子在人類生物系統(tǒng)的(病理)生理學中起著結(jié)構(gòu)或功能上的關(guān)鍵作用。鋅，鐵和銅等金屬對于整個生命都是必不可少的，必須嚴格控制其在電池中的濃度。這些生理金屬離子的缺乏或過量會導致人類嚴重疾病。已經(jīng)發(fā)現(xiàn)，人類基因組中的突變與不同的疾病密切相關(guān)。如果這些突變發(fā)生在DNA的編碼區(qū)，它們可能會破壞蛋白質(zhì)的金屬結(jié)合位點，從而引發(fā)嚴重的人類疾病。了解蛋白質(zhì)金屬結(jié)合位點上與疾病相關(guān)的突變將有助于發(fā)現(xiàn)新藥。
        

        該團隊首先整合了來自不同數(shù)據(jù)庫的組學數(shù)據(jù)，以建立一個全面的培訓數(shù)據(jù)集。通過從收集的數(shù)據(jù)中查看統(tǒng)計數(shù)據(jù)，該團隊發(fā)現(xiàn)不同的金屬具有不同的疾病關(guān)聯(lián)。鋅結(jié)合位點的突變在乳腺，肝臟，腎臟，免疫系統(tǒng)和前列腺疾病中起主要作用。相反，鈣和鎂結(jié)合位點的突變分別與肌肉疾病和免疫系統(tǒng)疾病有關(guān)。對于鐵結(jié)合位點，突變與代謝疾病有關(guān)。此外，錳和銅結(jié)合位點的突變與心血管疾病有關(guān)，而后者也與神經(jīng)系統(tǒng)疾病有關(guān)。
        

        研究人員使用一種新穎的方法，使用基于能量的親和力網(wǎng)格圖從金屬結(jié)合位點提取空間特征。這些空間特征已與物理化學順序特征合并以訓練模型。最終結(jié)果表明，使用空間特征可以提高預測性能，曲線下面積(AUC)為0.90，準確度為0.82。鑒于金屬學和金屬蛋白領域的先進技術(shù)和平臺有限，建議的深度學習方法提供了一種將實驗數(shù)據(jù)與生物信息學分析相集成的方法。該方法將幫助科學家預測與癌癥，心血管疾病和遺傳疾病等疾病相關(guān)的DNA突變。
        

        孫教授說：“機器學習和人工智能在當前的生物和化學科學中發(fā)揮著重要作用。在我的小組中，我們使用包括金屬組學和金屬巖石組學在內(nèi)的綜合組學方法研究了生物學和醫(yī)學中的金屬，我們已經(jīng)產(chǎn)生了大量有價值的信息。通過體內(nèi)/體外實驗獲得數(shù)據(jù)，我們現(xiàn)在正在開發(fā)一種基于深度學習的人工智能方法，以將這些原始數(shù)據(jù)轉(zhuǎn)化為有價值的知識，從而使我們能夠發(fā)現(xiàn)疾病背后的秘密并與之抗爭。我相信這種新穎的深度學習方法可以可用于我們實驗室正在進行的其他項目。”
        
			

			
          
        
			
        
            鄭重聲明：本文版權(quán)歸原作者所有，轉(zhuǎn)載文章僅為傳播更多信息之目的，如有侵權(quán)行為，請第一時間聯(lián)系我們修改或刪除，多謝。
			
        
			
			
        
        
        推薦內(nèi)容