Metodo di apprendimento profondo per la rilevazione di biomarcatori di malattie

I ricercatori dell’Università di Waterloo hanno sviluppato una rete di apprendimento profondo che può rilevare i biomarcatori di malattie con un alto grado di precisione. Riesce a rilevare il 98 percento delle caratteristiche dei peptidi in un dataset, il che significa che gli scienziati e gli esperti medici avrebbero maggiori possibilità di scoprire possibili malattie attraverso l’analisi dei campioni di tessuto.

Identificazione dei biomarcatori

Le tecniche esistenti per la rilevazione delle malattie coinvolgono l’analisi della struttura proteica dei campioni biologici. I programmi per computer svolgono un ruolo importante in questo processo, poiché esaminano la grande quantità di dati prodotti nei test, che possono poi utilizzare per identificare specifici marcatori di malattia.

Fatema Tuz Zohora è una ricercatrice di dottorato alla Cheriton School of Computer Science.

“Ma i programmi esistenti sono spesso inesatti o possono essere limitati dagli errori umani nelle loro funzioni sottostanti”, ha detto Zohora.

“Cosa abbiamo fatto nella nostra ricerca è creare una rete neurale profonda che raggiunge il 98 percento di rilevamento delle caratteristiche dei peptidi in un dataset. Stiamo lavorando per rendere la rilevazione delle malattie più precisa per fornire ai professionisti sanitari gli strumenti migliori”, ha continuato Zohora.

I peptidi sono catene di aminoacidi che compongono le proteine nel tessuto umano, e queste piccole catene sono dove vengono spesso identificati i marcatori specifici di malattia. Se i ricercatori possono trovare un modo migliore per testare, sarà possibile rilevare le malattie con maggiore precisione e molto prima.

Rete di apprendimento profondo Pointlso

La nuova rete di apprendimento profondo sviluppata dal team si chiama Pointlso ed è una forma di apprendimento automatico o intelligenza artificiale che è stata addestrata su un enorme database di sequenze esistenti da campioni biologici.

“Altri metodi per la rilevazione dei biomarcatori di malattia di solito hanno molti parametri che devono essere impostati manualmente dagli esperti del settore”, ha detto Zohora. “Ma la nostra rete neurale profonda impara i parametri da sola, il che è più preciso e rende l’approccio di scoperta dei biomarcatori di malattia automatizzato”.

Un altro aspetto importante del programma è che non è stato addestrato per cercare solo un tipo di malattia. Invece, è stato addestrato per identificare i biomarcatori associati a varie malattie, come la malattia cardiaca, il cancro e il COVID-19.

“È applicabile per qualsiasi tipo di scoperta dei biomarcatori di malattia”, ha detto Zohora. “E poiché è essenzialmente un modello di riconoscimento di pattern, può essere utilizzato per la rilevazione di piccoli oggetti all’interno di una grande quantità di dati. Ci sono così tante applicazioni per la medicina e la scienza; è emozionante vedere le possibilità che si aprono attraverso questa ricerca e come può aiutare le persone.”