Метод глубокого обучения обнаруживает биомаркеры заболеваний

Исследователи Университета Ватерлоо разработали глубокую сеть обучения, которая может обнаруживать биомаркеры заболеваний с высокой степенью точности. Она достигает 98 процентов обнаружения пептидных особенностей в наборе данных, что означает, что ученые и медицинские эксперты будут иметь больше шансов обнаружить возможные заболевания при анализе тканевых проб.

Обнаружение биомаркеров

Существующие методы обнаружения заболеваний включают анализ структуры белков биопроб. Компьютерные программы играют большую роль в этом процессе, поскольку они анализируют大量 данных, полученных в результате тестов, которые могут затем быть использованы для выявления конкретных маркеров заболевания.

Фатема Туз Зохора – аспирант школы компьютерных наук Черитона.

“Но существующие программы часто неточны или могут быть ограничены человеческими ошибками в своих основных функциях”, – сказала Зохора.

“Мы создали глубокую нейронную сеть, которая достигает 98 процентов обнаружения пептидных особенностей в наборе данных. Мы работаем над тем, чтобы сделать обнаружение заболеваний более точным, чтобы предоставить медицинским работникам лучшие инструменты”, – продолжила Зохора.

Пептиды – это цепочки аминокислот, которые составляют белки в человеческих тканях, и именно эти небольшие цепочки часто выявляют конкретные маркеры заболевания. Если исследователи смогут разработать лучший метод тестирования, они смогут обнаруживать заболевания с большей точностью и намного раньше.

Сеть глубокого обучения Pointlso

Новая сеть глубокого обучения, разработанная командой, называется Pointlso, и представляет собой форму машинного обучения или искусственного интеллекта, обученную на огромной базе данных существующих последовательностей биопроб.

“Другие методы обнаружения биомаркеров заболеваний обычно имеют много параметров, которые необходимо устанавливать вручную экспертами”, – сказала Зохора. “Но наша глубокая нейронная сеть учится сама, что более точно и делает подход к обнаружению биомаркеров автоматическим”.

Еще одним важным аспектом программы является то, что она не обучена обнаруживать только один тип заболевания. Вместо этого она обучена выявлять биомаркеры, связанные с различными заболеваниями, такими как сердечно-сосудистые заболевания, рак и COVID-19.

“Она применима для любого вида обнаружения биомаркеров”, – сказала Зохора. “И поскольку это по сути модель распознавания образов, ее можно использовать для обнаружения любых небольших объектов в большом объеме данных. Есть так много применений для медицины и науки; интересно видеть, какие возможности открываются благодаря этому исследованию и как оно может помочь людям”.