La méthode d'apprentissage en profondeur détecte les biomarqueurs de la maladie

Chercheurs à l'Université de Waterloo ont développé un réseau d'apprentissage en profondeur qui peuvent détecter les biomarqueurs de la maladie avec un haut degré de précision. Il atteint 98% de détection des caractéristiques peptidiques dans un ensemble de données, ce qui signifie que les scientifiques et les experts médicaux auraient plus de chances de découvrir d'éventuelles maladies grâce à l'analyse d'échantillons de tissus.

Identifier les biomarqueurs 

Les techniques existantes de détection de maladies impliquent l'analyse de la structure protéique d'échantillons biologiques. Les programmes informatiques jouent un rôle important dans ce processus car ils examinent la grande quantité de données produites dans les tests, qu'ils peuvent ensuite utiliser pour identifier des marqueurs spécifiques de la maladie. 

Fatema Tuz Zohora est doctorante à la Cheriton School of Computer Science. 

"Mais les programmes existants sont souvent inexacts ou peuvent être limités par une erreur humaine dans leurs fonctions sous-jacentes", a déclaré Zohora.

« Nos recherches ont permis de créer un réseau neuronal profond capable de détecter 98 % des caractéristiques peptidiques d'un ensemble de données. Nous travaillons à accroître la précision de la détection des maladies afin de fournir aux professionnels de santé les meilleurs outils », a poursuivi Zohora. 

Les peptides sont des chaînes d'acides aminés qui composent les protéines dans les tissus humains, et ces petites chaînes sont là où des marqueurs spécifiques de la maladie sont souvent identifiés. Si les chercheurs peuvent trouver une meilleure façon de tester, il sera possible de détecter les maladies avec une plus grande précision et beaucoup plus tôt.

Réseau d'apprentissage en profondeur Pointlso

Le nouveau réseau d’apprentissage profond développé par l’équipe s’appelle Pointlso. Il s’agit d’une forme d’apprentissage automatique ou d’intelligence artificielle qui a été formée sur une base de données massive de séquences existantes provenant d’échantillons biologiques.

"D'autres méthodes de détection de biomarqueurs de maladies ont généralement de nombreux paramètres qui doivent être définis manuellement par des experts de terrain", a déclaré Zohora. "Mais notre réseau neuronal profond apprend les paramètres lui-même, ce qui est plus précis, et automatise l'approche de découverte des biomarqueurs de la maladie."

Un autre aspect important du programme est qu'il n'est pas formé pour rechercher un seul type de maladie. Au lieu de cela, il est formé pour identifier les biomarqueurs associés à diverses maladies, telles que les maladies cardiaques, le cancer et le COVID-19.

« Cela s'applique à la découverte de tout type de biomarqueurs de maladies », a déclaré Zohora. « Et comme il s'agit essentiellement d'un modèle de reconnaissance de formes, il peut être utilisé pour détecter n'importe quel petit objet dans une grande quantité de données. Les applications pour la médecine et la science sont innombrables ; c'est passionnant de voir les possibilités offertes par cette recherche et comment elle peut aider les gens. »