Método de aprendizado profundo detecta biomarcadores de doenças

Pesquisadores da Universidade de Waterloo desenvolveram uma rede de aprendizagem profunda que podem detectar biomarcadores de doenças com alto grau de precisão. Ele atinge 98% de detecção de recursos de peptídeos em um conjunto de dados, o que significa que cientistas e especialistas médicos teriam uma chance maior de descobrir possíveis doenças por meio da análise de amostras de tecido.

Identificando Biomarcadores 

As técnicas existentes para detecção de doenças envolvem a análise da estrutura de proteínas de bioamostras. Os programas de computador desempenham um papel importante nesse processo, pois examinam a grande quantidade de dados produzidos nos testes, que podem ser usados ​​para identificar marcadores específicos de doenças. 

Fatema Tuz Zohora é investigadora de doutoramento na Cheriton School of Computer Science. 

“Mas os programas existentes geralmente são imprecisos ou podem ser limitados por erro humano em suas funções subjacentes”, disse Zohora.

“O que fizemos em nossa pesquisa foi criar uma rede neural profunda que alcança 98% de detecção de características peptídicas em um conjunto de dados. Estamos trabalhando para tornar a detecção de doenças mais precisa para fornecer aos profissionais de saúde as melhores ferramentas”, continuou Zohora. 

Os peptídeos são cadeias de aminoácidos que compõem as proteínas no tecido humano, e essas pequenas cadeias são onde marcadores específicos de doenças são frequentemente identificados. Se os pesquisadores conseguirem encontrar uma maneira melhor de testar, será possível detectar doenças com maior precisão e muito mais cedo.

Rede Pointlso Deep Learning

A nova rede de aprendizagem profunda desenvolvida pela equipe chama-se Pointlso e é uma forma de aprendizado de máquina ou inteligência artificial que foi treinada em um enorme banco de dados de sequências existentes de amostras biológicas.

“Outros métodos para detecção de biomarcadores de doenças geralmente têm muitos parâmetros que precisam ser definidos manualmente por especialistas de campo”, disse Zohora. “Mas nossa rede neural profunda aprende os próprios parâmetros, o que é mais preciso, e torna automatizada a abordagem de descoberta de biomarcadores de doenças”.

Outro aspecto importante do programa é que ele não é treinado para buscar apenas um tipo de doença. Em vez disso, é treinado para identificar os biomarcadores associados a várias doenças, como doenças cardíacas, câncer e COVID-19.

“É aplicável à descoberta de qualquer tipo de biomarcador de doença”, disse Zohora. “E, por ser essencialmente um modelo de reconhecimento de padrões, pode ser usado para detectar qualquer objeto pequeno em um grande volume de dados. Há tantas aplicações para a medicina e a ciência; é emocionante ver as possibilidades que se abrem com essa pesquisa e como ela pode ajudar as pessoas.”