Méthode d’apprentissage profond pour détecter les biomarqueurs de maladies

Les chercheurs de l’Université de Waterloo ont développé un réseau d’apprentissage profond qui peut détecter les biomarqueurs de maladies avec un degré élevé de précision. Il atteint 98 pour cent de détection des caractéristiques des peptides dans un ensemble de données, ce qui signifie que les scientifiques et les experts médicaux auraient plus de chances de découvrir des maladies possibles grâce à l’analyse d’échantillons de tissus.

Identification des biomarqueurs

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

Fatema Tuz Zohora est une chercheuse en doctorat à l’École de sciences informatiques Cheriton.

“Mais les programmes existants sont souvent inexacts ou peuvent être limités par des erreurs humaines dans leurs fonctions sous-jacentes”, a déclaré Zohora.

“Ce que nous avons fait dans notre recherche est de créer un réseau neuronal profond qui atteint 98 pour cent de détection des caractéristiques des peptides dans un ensemble de données. Nous travaillons pour rendre la détection des maladies plus précise et fournir aux praticiens de soins de santé les meilleurs outils”, a continué Zohora.

Les peptides sont des chaînes d’acides aminés qui forment les protéines dans les tissus humains, et ces petites chaînes sont souvent où les marqueurs spécifiques de maladies sont identifiés. Si les chercheurs peuvent trouver un meilleur moyen de tester, il sera possible de détecter les maladies avec plus de précision et beaucoup plus tôt.

Réseau d’apprentissage profond Pointlso

Le nouveau réseau d’apprentissage profond développé par l’équipe s’appelle Pointlso, et il s’agit d’une forme d’apprentissage automatique ou d’intelligence artificielle qui a été formé sur une base de données massive de séquences existantes 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 du domaine”, a déclaré Zohora. “Mais notre réseau neuronal profond apprend les paramètres lui-même, ce qui est plus précis, et rend l’approche de découverte de biomarqueurs de maladies automatisée.”

Un autre aspect important du programme est qu’il n’est pas formé pour rechercher uniquement un 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 la COVID-19.

“C’est applicable pour toute sorte de découverte de biomarqueurs de maladies”, a déclaré Zohora. “Et parce que c’est essentiellement un modèle de reconnaissance de motifs, il peut être utilisé pour la détection d’objets petits dans une grande quantité de données. Il y a tellement d’applications pour la médecine et la science ; c’est excitant de voir les possibilités s’ouvrir grâce à cette recherche et comment elle peut aider les gens.”