Исследователи из Калифорнийского университета в Сан-Диего создали инструмент, который позволяет анализировать наборы данных гликомики с помощью объяснимых систем искусственного интеллекта (ИИ) и других подходов к машинному обучению. В недавней статье, опубликованной в Nature Communications , команда продемонстрировала, что данные гликомики требуют особой осторожности для правильного использования для статистического анализа или машинного обучения. Они также предлагают новое решение предварительной обработки для подготовки гликомических данных, чтобы существенно повысить эффективность их использования с помощью машинного обучения и искусственного интеллекта. Они назвали подход GlyCompare. Это требует подхода на системном уровне, который учитывает общие пути биосинтеза гликанов внутри и между образцами.
Чтобы представить GlyCompare, команда продемонстрировала свою способность улучшать сравнение наборов данных гликомики, проливая свет на скрытые взаимосвязи между гликанами в нескольких контекстах, включая ткани рака желудка . Рак - полезный пример, учитывая важность изменений гликанов для рака и их полезность для ранней диагностики.
«Мы применили GlyCompare к раковым тканям и показали, что, хотя с помощью стандартных статистических методов невозможно найти специфические для рака гликаны, при обработке с использованием нашего метода появляются новые биомаркеры», - сказал профессор биоинженерии и педиатрии Калифорнийского университета в Сан-Диего Натан Льюис, автор статьи. Льюис является со-руководителем Центра системной биологии CHO, и для производства различных белков, используемых в исследовании, использовались гликоинженерные клеточные линии CHO.
В другом анализе команда показала, что метод существенно повышает статистическую мощность, так что для получения эквивалентной мощности для обнаружения биомаркеров требуется вдвое меньше образцов. В статье исследователи описывают, как методы, лежащие в основе GlyCompare, будут преобразовывать использование гликомики в клинике. Фактически, Льюис является частью команды основателей нового стартапа, который занимается лицензированием интеллектуальной собственности с целью коммерциализации этой технологии для ценных приложений, включая диагностику рака.
Одним из ключей к подходу GlyCompare является то, что он рассматривает биологические этапы, необходимые для синтеза субъединиц, составляющих гликаны, а не просто рассматривает только целые гликаны, что значительно повышает точность статистического анализа данных гликомики. Исследователи полагают, что этот подход позволит обнаруживать более тонкие изменения гликозилирования во многих приложениях, включая рак на ранней стадии. Более того, GlyCompare может привести к новому пониманию механизмов наблюдаемых изменений присутствующих гликанов .
Бокан Бао и Бенджамин П. Келлман, соавторы статьи, учатся в аспирантуре по биоинформатике и системной биологии и являются членами факультета биоинженерии инженерной школы Калифорнийского университета в Сан-Диего Джейкобс.
