发布日期： 2024年07月25日
来源：Nature Methods
文章内容
哥德堡大学的研究人员创造了一种人工智能模型，通过糖分析提高癌症检测能力。这种人工智能模型在速度和速度上都优于现有的半人工技术精度识别异常。
质谱法可以用来测量聚糖，它是我们细胞中的糖分子结构。这些结构可以揭示细胞内各种类型癌症的存在。
然而，从质谱计测量的数据必须由人类仔细分析，以计算出聚糖碎片的结构。这个过程可能需要几个小时到几天的时间来处理每个样本，并且只能由世界上少数专家进行高可信度的工作，因为它本质上是多年来学习的侦探工作。
因此，当有许多样品需要分析时，该过程是使用聚糖分析的瓶颈，例如用于癌症检测。哥德堡大学的研究人员开发了一种人工智能模型来自动化这项侦探工作。这个名为Candycrunch的人工智能模型每次测试只需几秒钟就能完成任务。该研究结果发表在《Nature Methods》杂志上的一篇科学文章中。人工智能模型是使用超过50万个糖分子不同片段和相关结构样本的数据库进行训练的。
哥德堡大学(University of Gothenburg)生物信息学副高级讲师Daniel Bojar说:“这项培训使Candycrunch能够在90%的情况下计算出样本中确切的糖结构。”
这意味着人工智能模型可能很快达到与其他生物序列(如DNA、RNA或蛋白质)测序相同的精度水平。由于人工智能模型的答案非常快速和准确，它可以加速发现基于聚糖的生物标志物，用于癌症的诊断和预后。
Daniel Bojar说:“我们相信，既然我们已经自动化了最大的瓶颈，聚糖分析将成为生物学和临床研究中更大的一部分。”
人工智能模型Candycrunch还能够识别由于浓度低而经常被人类分析遗漏的结构。因此，该模型可以帮助研究人员找到新的基于聚糖的生物标志物。
参考文献:“Predicting glycan structure from tandem mass spectrometry via deep learning” by James Urban, Chunsheng Jin, Kristina A. Thomsson, Niclas G. Karlsson, Callum M. Ives, Elisa Fadda and Daniel Bojar, 31 June 2024, Nature Methods.
交流讨论
PNAS新研究挑战了关于大脑大小进化的旧观念
PNAS：饥饿激素瘦素可以以一种不依赖于瘦素受体的方式指导神经发育
线粒体能量关闭不会导致细胞死亡，而是引发炎症
