Método de Aprendizado Profundo Detecta Biomarcadores de Doenças

Pesquisadores da Universidade de Waterloo desenvolveram uma rede de aprendizado profundo que pode detectar biomarcadores de doenças com alto grau de precisão. Ela alcança 98 por cento de detecção de recursos de peptídeos em um conjunto de dados, o que significa que cientistas e especialistas médicos teriam uma maior chance de descobrir doenças possíveis por meio da análise de amostras de tecido.

Identificando Biomarcadores

Técnicas existentes para detectar doenças envolvem a análise da estrutura de proteínas de bioamostras. Programas de computador desempenham um grande papel 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 uma pesquisadora de doutorado na Cheriton School of Computer Science.

“Mas os programas existentes são frequentemente imprecisos ou podem ser limitados por erros humanos em suas funções subjacentes”, disse Zohora.

“O que fizemos em nossa pesquisa foi criar uma rede neural profunda que alcança 98 por cento de detecção de recursos de peptídeos 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.

Peptídeos são cadeias de aminoácidos que compõem proteínas em tecidos humanos, e essas pequenas cadeias são onde os marcadores específicos de doenças são frequentemente identificados. Se os pesquisadores puderem criar uma melhor maneira de testar, será possível detectar doenças com maior precisão e muito mais cedo.

Rede de Aprendizado Profundo Pointlso

A nova rede de aprendizado profundo desenvolvida pela equipe é chamada de Pointlso, e é uma forma de aprendizado de máquina ou inteligência artificial que foi treinada em um banco de dados maciço de sequências existentes de bioamostras.

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

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

“É aplicável para qualquer tipo de descoberta de biomarcadores de doenças”, disse Zohora. “E porque é essencialmente um modelo de reconhecimento de padrões, pode ser usado para detecção de objetos pequenos dentro de uma grande quantidade de dados. Há muitas aplicações para medicina e ciência; é emocionante ver as possibilidades que estão se abrindo por meio dessa pesquisa e como pode ajudar as pessoas.”