Deep-Learning-Methode erkennt Krankheitsbiomarker

Forscher der University of Waterloo haben ein Deep-Learning-Netzwerk aufgebaut das Krankheitsbiomarker mit hoher Genauigkeit erkennen kann. Es erreicht eine Erkennung von Peptidmerkmalen in einem Datensatz von 98 Prozent, was bedeutet, dass Wissenschaftler und medizinische Experten eine größere Chance hätten, mögliche Krankheiten durch die Analyse von Gewebeproben zu entdecken.

Identifizierung von Biomarkern 

Bestehende Techniken zur Erkennung von Krankheiten umfassen die Analyse der Proteinstruktur von Bioproben. Computerprogramme spielen dabei eine große Rolle, da sie die großen Datenmengen, die bei den Tests anfallen, auswerten und diese dann zur Identifizierung spezifischer Krankheitsmarker nutzen können. 

Fatema Tuz Zohora ist Doktorandin an der Cheriton School of Computer Science. 

„Bestehende Programme sind jedoch oft ungenau oder können durch menschliches Versagen in ihren zugrunde liegenden Funktionen eingeschränkt sein“, sagte Zohora.

„In unserer Forschung haben wir ein tiefes neuronales Netzwerk entwickelt, das 98 Prozent der Peptidmerkmale in einem Datensatz erkennt. Wir arbeiten daran, die Krankheitserkennung präziser zu gestalten, um medizinischem Personal die besten Werkzeuge an die Hand zu geben“, so Zohora weiter. 

Peptide sind Ketten von Aminosäuren, aus denen Proteine ​​im menschlichen Gewebe bestehen. In diesen kleinen Ketten werden häufig spezifische Krankheitsmarker identifiziert. Wenn Forscher eine bessere Testmethode entwickeln können, können Krankheiten genauer und viel früher erkannt werden.

Pointlso Deep Learning Netzwerk

Das vom Team entwickelte neue Deep-Learning-Netzwerk heißt Pointlso und ist eine Form des maschinellen Lernens oder der künstlichen Intelligenz, die auf einer riesigen Datenbank vorhandener Sequenzen aus Bioproben trainiert wurde.

„Andere Methoden zur Erkennung von Krankheitsbiomarkern verfügen normalerweise über viele Parameter, die von Feldexperten manuell eingestellt werden müssen“, sagte Zohora. „Aber unser tiefes neuronales Netzwerk lernt die Parameter selbst, was genauer ist und den Ansatz zur Entdeckung von Krankheitsbiomarkern automatisiert.“

Ein weiterer wichtiger Aspekt des Programms besteht darin, dass es nicht darauf trainiert ist, nur nach einer Art von Krankheit zu suchen. Stattdessen wird es darauf trainiert, die Biomarker zu identifizieren, die mit verschiedenen Krankheiten wie Herzerkrankungen, Krebs und COVID-19 verbunden sind.

„Es ist für die Entdeckung von Biomarkern für jede Art von Krankheit anwendbar“, sagte Zohora. „Und da es sich im Wesentlichen um ein Mustererkennungsmodell handelt, kann es zur Erkennung kleiner Objekte in großen Datenmengen eingesetzt werden. Es gibt so viele Anwendungsmöglichkeiten in Medizin und Wissenschaft; es ist spannend zu sehen, welche Möglichkeiten sich durch diese Forschung eröffnen und wie sie den Menschen helfen kann.“