Dyp læring metode detekterer sykdoms biomarkører

Forskere ved University of Waterloo har utviklet et dyp læring nettverk som kan detektere sykdoms biomarkører med en høy grad av nøyaktighet. Det oppnår 98 prosent deteksjon av peptid funksjoner i en datasett, som betyr at vitenskapsmenn og medisinske eksperter vil ha en større sjanse til å oppdage mulige sykdommer gjennom vevprøveanalyse.

Identifisering av biomarkører 

Eksisterende tekniker for å detektere sykdommer innebærer analyse av proteinstrukturen i bio-prøver. Dataprogrammer spiller en stor rolle i denne prosessen, da de undersøker den store mengden data som produseres i testene, som de kan bruke til å identifisere bestemte markører for sykdom. 

Fatema Tuz Zohora er en PhD-forsker ved Cheriton School of Computer Science. 

“Men eksisterende programmer er ofte upresise eller kan være begrenset av menneskelig feil i deres underliggende funksjoner,” sa Zohora.

“Hva vi har gjort i vår forskning er å skape et dypt neuralt nettverk som oppnår 98 prosent deteksjon av peptid funksjoner i en datasett. Vi arbeider for å gjøre sykdoms deteksjon mer nøyaktig for å gi helsepersonell de beste verktøyene,” fortsatte Zohora. 

Peptider er kjeder av aminosyrer som utgjør proteiner i menneskelige vev, og disse små kjedene er der bestemte markører for sykdom ofte identifiseres. Hvis forskerne kan komme opp med en bedre måte å teste på, vil det være mulig å detektere sykdommer med større nøyaktighet og mye tidligere.

Pointlso Dyp Læring Nettverk

Det nye dyp læring nettverket som er utviklet av teamet, kalles Pointlso, og det er en form for maskinlæring eller kunstig intelligens som er trent på en stor database med eksisterende sekvenser fra bio-prøver.

“Andre metoder for sykdoms biomarkør deteksjon har vanligvis mange parametre som må være manuelt innstilt av fageksperter,” sa Zohora. “Men vårt dypne nettverk lærer parameterne selv, som er mer nøyaktig, og gjør sykdoms biomarkør oppdagelsen automatisert.”

En annen viktig aspekt av programmet er at det ikke er trent til å se etter bare en type sykdom. I stedet er det trent til å identifisere biomarkører forbundet med ulike sykdommer, som hjertesykdom, kreft og COVID-19.

“Det er anvendelig for enhver type sykdoms biomarkør oppdagelse,” sa Zohora. “Og fordi det i stor grad er et mønster gjenkjenningsmodell, kan det brukes til deteksjon av små objekter innen en stor mengde data. Det er så mange anvendelser for medisin og vitenskap; det er spennende å se mulighetene som åpner seg gjennom denne forskningen og hvordan det kan hjelpe mennesker.”