Djupinlärningsmetod upptäcker sjukdomsbiomarkörer

Forskare vid University of Waterloo har utvecklat ett djupinlärningsnätverk som kan upptäcka sjukdomsbiomarkörer med hög grad av precision. Det uppnår 98 procents upptäckt av peptidfunktioner i en dataset, vilket innebär att forskare och medicinska experter skulle ha en större chans att upptäcka möjliga sjukdomar genom vävnadsprovsanalys.

Identifiering av biomarkörer

Befintliga tekniker för att upptäcka sjukdomar innebär analys av proteinstrukturen i biosamples. Datorprogram spelar en stor roll i denna process eftersom de undersöker den stora mängden data som produceras under testerna, som de sedan kan använda för att identifiera specifika markörer för sjukdom.

Fatema Tuz Zohora är en doktorand i Cheriton School of Computer Science.

“Men befintliga program är ofta otillförlitliga eller kan begränsas av mänskliga fel i deras underliggande funktioner”, sa Zohora.

“Vad vi har gjort i vår forskning är att skapa ett djupt neuronnät som uppnår 98 procents upptäckt av peptidfunktioner i en dataset. Vi arbetar för att göra sjukdomsupptäckt mer exakt för att ge hälso- och sjukvårdspersonal de bästa verktygen”, fortsatte Zohora.

Peptider är kedjor av aminosyror som utgör proteiner i mänsklig vävnad, och dessa små kedjor är där specifika markörer för sjukdom ofta identifieras. Om forskare kan komma på ett bättre sätt att testa, kommer det att vara möjligt att upptäcka sjukdomar med större precision och mycket tidigare.

Pointlso Deep Learning Network

Det nya djupinlärningsnätverket som utvecklats av teamet kallas Pointlso, och det är en form av maskinlärning eller artificiell intelligens som tränats på en stor databas med befintliga sekvenser från biosamples.

“Andra metoder för upptäckt av sjukdomsbiomarkörer har vanligtvis många parametrar som måste ställas in manuellt av fältexperter”, sa Zohora. “Men vårt djupa neuronnät lär sig parametrarna själv, vilket är mer exakt, och gör sjukdomsbiomarkörupptäckten automatiserad.”

En annan viktig aspekt av programmet är att det inte är utformat för att leta efter en specifik typ av sjukdom. Istället är det utformat för att identifiera biomarkörer associerade med olika sjukdomar, såsom hjärtsjukdom, cancer och COVID-19.

“Det är tillämpligt för alla typer av sjukdomsbiomarkörupptäckt”, sa Zohora. “Och eftersom det i grunden är ett mönsterigenkänningsmodell kan det användas för upptäckt av små föremål inom en stor mängd data. Det finns så många tillämpningar inom medicin och vetenskap; det är spännande att se de möjligheter som öppnar sig genom denna forskning och hur den kan hjälpa människor.”