Разработка лекарств с помощью ИИ: новый художественный подход к данным
Исследователи из Университета Ватерлоо сделали значительный прорыв в точности секвенирования пептидов в клетках, используя машинное обучение. Это открытие обещает новые возможности в персонализированном лечении рака и разработке вакцин. Источник: SciTechDaily.com
Прорыв в области искусственного интеллекта может привести к созданию высокоперсонализированных лекарственных средств для лечения серьезных заболеваний.
Технология машинного обучения помогает ученым анализировать состав неизвестных клеток, что может привести к созданию персонализированных лекарств для лечения рака и других серьезных заболеваний.
Исследователи из Университета Ватерлоо разработали GraphNovo — новую программу, которая обеспечивает более точное понимание последовательностей пептидов в клетках. Пептиды — это цепочки аминокислот внутри клеток, являющиеся строительными блоками, столь же важными и уникальными, как ДНК или РНК.
Иммунотерапия и секвенирование пептидов
У здорового человека иммунная система может правильно идентифицировать пептиды нерегулярных или чужеродных клеток, таких как раковые клетки или вредоносные бактерии, а затем нацеливаться на эти клетки для их уничтожения. Для людей, чьи иммунные системы ослаблены, перспективная область иммунотерапии работает над переобучением их иммунных систем для распознавания этих опасных захватчиков.
«Ученые стремятся секвенировать эти пептиды между нормальной и раковой тканью, чтобы распознать различия», — говорит Зепинг Мао, аспирант Школы компьютерных наук Черитон, который разработал GraphNovo под руководством доктора Минга Ли.
Этот процесс секвенирования особенно сложен для новых заболеваний или раковых клеток, которые ранее могли не анализироваться. Хотя ученые могут опираться на существующую базу данных пептидов при анализе заболеваний или организмов, которые были изучены ранее, рак и иммунная система каждого человека уникальны.
Чтобы быстро создать профиль пептидов в неизвестной клетке, ученые использовали метод, называемый de novo секвенированием пептидов, который с помощью масс-спектрометрии быстро анализирует новый образец. Этот процесс может оставить некоторые пептиды неполными или полностью отсутствующими в последовательности.
GraphNovo: прорыв в точности секвенирования
Используя машинное обучение, GraphNovo значительно повышает точность идентификации последовательностей пептидов, заполняя эти пробелы точной массой пептидной последовательности. Такой прорыв в точности, вероятно, окажет огромную пользу в различных медицинских областях, особенно в лечении рака и создании вакцин для таких заболеваний, как Эбола и COVID-19. Исследователи достигли этого прорыва благодаря приверженности Ватерлоо развитию на стыке технологий и здравоохранения.
«Если у нас нет достаточно хорошего алгоритма, мы не можем создать лечение», — сказал Мао. «Сейчас это все теоретически. Но скоро мы сможем использовать это в реальном мире».
