Metoda hlubokého učení detekuje biomarkery onemocnění

Výzkumníci z University of Waterloo vyvinuli hlubokou učící síť, která může detekovat biomarkery onemocnění s vysokou mírou přesnosti. Dosahuje 98 procent detekce peptidových funkcí v datové sadě, což znamená, že vědci a odborníci z medicíny by měli větší šanci objevit možné nemoci prostřednictvím analýzy tkáňových vzorků.

Identifikace biomarkerů

Existující techniky pro detekci nemocí zahrnují analýzu proteinové struktury bio-vzorků. Počítačové programy hrají velkou roli v tomto procesu, protože zkoumají velké množství dat vyprodukovaných během testů, které mohou poté použít k identifikaci specifických markerů nemoci.

Fatema Tuz Zohora je doktorandka na Cheriton School of Computer Science.

“Ale existující programy jsou často nepřesné nebo mohou být omezeny lidskou chybou ve svých základních funkcích,” řekla Zohora.

“Co jsme udělali ve svém výzkumu, je vytvořit hlubokou neuronovou síť, která dosahuje 98 procent detekce peptidových funkcí v datové sadě. Pracujeme na tom, aby byla detekce nemocí更加 přesná a poskytla zdravotnickým odborníkům nejlepší nástroje,” pokračovala Zohora.

Peptidy jsou řetězce aminokyselin, které tvoří proteiny v lidské tkáni, a tyto malé řetězce jsou často identifikovány jako specifické markery nemoci. Pokud výzkumníci najdou lepší způsob testování, bude možné detekovat nemoci s větší přesností a mnohem dříve.

Pointlso hluboká učící síť

Nová hluboká učící síť vyvinutá týmem se nazývá Pointlso, a je to forma strojového učení nebo umělé inteligence, která byla trénována na obrovské databázi existujících sekvencí z bio-vzorků.

“Ostatní metody pro detekci biomarkerů nemocí obvykle mají mnoho parametrů, které musí být ručně nastaveny odborníky z oboru,” řekla Zohora. “Ale naše hluboká neuronová síť se sama učí parametry, což je přesnější, a činí přístup k objevování biomarkerů nemocí automatizovaným.”

Dalším důležitým aspektem programu je, že není trénován na hledání pouze jednoho typu nemoci. Místo toho je trénován na identifikaci biomarkerů spojených s různými nemocemi, jako je srdeční onemocnění, rakovina a COVID-19.

“Je použitelný pro jakýkoli druh objevování biomarkerů nemocí,” řekla Zohora. “A protože je to vlastně model rozpoznávání vzorců, může být použit pro detekci jakýchkoli malých objektů v velkém množství dat. Existuje tolik aplikací pro medicínu a vědu; je vzrušující vidět, jak se otevírají možnosti prostřednictvím tohoto výzkumu a jak může pomoci lidem.”