Глибокий метод навчання для виявлення біомаркерів хвороб

Дослідники з Університету Ватерлоо розробили глибоку мережу навчання, яка може виявляти біомаркери хвороб з високим ступенем точності. Вона досягає 98 відсотків виявлення ознак пептидів у наборі даних, що означає, що вчені та медичні експерти матимуть більшу можливість відкриття можливих хвороб за допомогою аналізу тканинних зразків.

Ідентифікація біомаркерів

Існуючі методи виявлення хвороб включають аналіз структури білків біозразків. Комп’ютерні програми відіграють велику роль у цьому процесі, оскільки вони аналізують велику кількість даних, отриманих під час тестів, які можуть потім використовувати для ідентифікації конкретних ознак хвороб.

Фатема Туз Зохора – аспірантка школи комп’ютерних наук Черітон.

“Але існуючі програми часто неточні або можуть бути обмежені людською помилкою у своїх основних функціях”, – сказала Зохора.

“У нашому дослідженні ми створили глибоку нейронну мережу, яка досягає 98 відсотків виявлення ознак пептидів у наборі даних. Ми працюємо над тим, щоб зробити виявлення хвороб більш точним, щоб надати фахівцям охорони здоров’я найкращі інструменти”, – продовжила Зохора.

Пептиди – це ланцюги амінокислот, які утворюють білки в людських тканинах, і саме ці маленькі ланцюги часто ідентифікуються як конкретні ознаки хвороб. Якщо дослідники зможуть розробити кращий метод тестування, вони зможуть виявляти хвороби з більшою точністю та значно раніше.

Глибока мережа навчання Pointlso

Нова глибока мережа навчання, розроблена командою, називається Pointlso, і це форма машинного навчання або штучного інтелекту, який був навчений на величезній базі даних існуючих послідовностей біозразків.

“Інші методи виявлення біомаркерів хвороб зазвичай мають багато параметрів, які потрібно вручну встановити фахівцями галузі”, – сказала Зохора. “Але наша глибока нейронна мережа сама вчиться параметрам, що є більш точним, і робить підхід до відкриття біомаркерів хвороб автоматизованим”.

Іншим важливим аспектом програми є те, що вона не навчається шукати тільки один тип хвороби. Натомість, вона навчається ідентифікувати біомаркери, пов’язані з різними хворобами, такими як серцеві захворювання, рак і COVID-19.

“Це застосовується для будь-якого типу відкриття біомаркерів хвороб”, – сказала Зохора. “І оскільки це по суті модель розпізнавання закономірностей, її можна використовувати для виявлення будь-яких малих об’єктів у великій кількості даних. Є багато застосувань у медицині та науці; це цікаво бачити, які можливості відкриваються завдяки цьому дослідженню та як воно може допомогти людям.”