慕尼黑工业大学(TUM)的研究人员利用人工智能,成功地使任何有机体的蛋白质质量分析比以前快多了,而且几乎没有错误。这种新方法将引起蛋白质组学领域的巨大飞跃,因为它既可以应用于基础研究,也可以用于临床研究。
任何有机体的基因组都包含了数千种蛋白质的蓝图,这些蛋白质几乎控制着生命的所有功能。蛋白质缺陷会导致严重的疾病,如癌症、糖尿病或痴呆症。因此,蛋白质也是药物最重要的靶点。
为了更好地了解生命过程和疾病,开发更合适的治疗方法,有必要同时分析尽可能多的蛋白质。目前,使用质谱法测定生物系统中蛋白质的种类和数量。然而,数据分析环节仍然存在许多错误。
TUM的一个研究小组,在生物信息学科学家Mathias Wilhelm和TUM蛋白质组学和生物分析学教授Bernhard Küster领导,下现在已经成功地利用蛋白质组学数据训练神经网络,使人工智能学会更快地识别蛋白质,并且能够识别蛋白质,几乎没有错误。
解决一个严峻问题
质谱仪不能直接测量蛋白质。它们用其多达多达30个构建基块分析的是由氨基酸序列组成的小部分。再将这些链的测量光谱与数据库进行比较,以便对应特定的蛋白质。然而,评估软件只能使用光谱包含的部分信息。因此,某些蛋白质不能被识别或容易被错误识别。
“这是一个严重的问题,”Küster说。TUM团队开发的神经网络利用所有光谱信息进行识别。“我们错过的蛋白质更少,犯的错误也少了100倍。”
适用于所有生物
研究人员将该人工智能软件命名为“Prosit”,“( Prosit)适用于世界上所有的生物体,即使它们的蛋白质组以前从未被检测过,”Mathias Wilhelm解释说。“这使得以前无法想象的研究成为可能。”
在1亿台质谱的帮助下,该算法得到了广泛的训练,无需任何额外的训练即可上手用于所有普通质谱仪,我们的系统是这个领域的全球,”Küster说。
价值数十亿美元的市场
诊所、生物技术公司、制药公司和研究机构都在使用这种高性能设备,市场价值已经达到数十亿美元。有了“Prosit”,未来还有可能开发出更强大的仪器。研究人员和医生也将更好、更快地在患者的血液或尿液中寻找生物标记物,或监测治疗的有效性。
研究人员对基础研究也抱有很高的希望。“这种方法可以用来追踪细胞中新的调控机制。我们希望从中获得大量知识,从中长期来看,这些知识将反映在人类、动物和植物所患疾病的治疗上。”
Wilhelm预计“Prosit等人工智能方法将很快改变蛋白质组学领域,因为它们几乎可以用于蛋白质研究的每个领域。
Nature:免疫细胞阻止病毒感染后的肺部愈合
《Neuron》大脑中存储和使用视觉知识的机制
Cell子刊:独特的机制保护胰腺细胞免受炎症的影响
《自然心血管研究》:肥胖和心力衰竭之间的联系
相关产品
UPCISCC090 人舌头鳞癌细胞 QCH766
KNS62 人肺支气管鳞状细胞癌 QCH767
HCC95 人肺腺癌细胞 QCH768
HARA 人肺腺癌细胞 QCH769
EPLC272H 人肺腺癌细胞 QCH770
NCI-H810 人非小细胞肺癌细胞 QCH771
HBL-1 人弥漫性大B细胞淋巴瘤 QCH772
FTC238 人滤泡状甲状腺癌细胞,肺转移 XY-H773
SNU-719 人胃癌细胞 QCH774
BT549+GFP+LUC 人乳腺癌细胞 QCH766GL
IM95m 人胃癌细胞 QCH775
mda-mb-468+GFP+LUC 人乳腺癌细胞 XY-H776LGP
OCUM-1 人胃癌细胞 QCH777
Karpas422 人非霍奇金淋巴瘤 QCH778
CAL-33 人舌鳞癌细胞QCH779
关注
拨打电话
留言咨询