• Home
  • Química
  • Astronomía
  • Energía
  • Naturaleza
  • Biología
  • Física
  • Electrónica
  •  science >> Ciencia >  >> Química
    Fujitsu desarrolla tecnología para predecir reacciones bioquímicas, aclarar los mecanismos de los trastornos genéticos

    Figura 1:Tecnología de IA convencional. Crédito:Fujitsu

    Fujitsu Laboratories Ltd., el Insight Center for Data Analytics, una institución de investigación de análisis de datos con sede en Irlanda, y Fujitsu (Irlanda) Limited anunciaron hoy el desarrollo de una tecnología que permite predecir grandes volúmenes de reacciones químicas desconocidas. aproximadamente el doble que el procedimiento convencional. En enfermedades graves, incluido el cáncer, es común que haya anomalías en las reacciones de fosforilación, que son reacciones químicas que ocurren entre proteínas. Respectivamente, Existe una gran expectativa de que la clarificación de las reacciones de fosforilación conducirá a tratamientos efectivos. En el presente, sin embargo, porque solo se han identificado unas pocas reacciones de fosforilación, Ha habido un problema al predecir grandes volúmenes de reacciones de fosforilación causadas por combinaciones de proteínas desconocidas. Ahora, mediante la construcción de un gráfico de conocimiento que puede abarcar una descripción general de las interrelaciones entre proteínas, es posible comprobar la relación entre nuevas proteínas donde se pueden predecir reacciones de fosforilación. De este modo, esta tecnología contribuirá al avance de la medicina, ya que se puede esperar que sea útil en la vanguardia de la investigación de descubrimiento de fármacos, y tener aplicaciones personalizadas en el campo de la medicina de precisión.

    Antecedentes de desarrollo

    Los sistemas biológicos dentro del cuerpo se mantienen mediante el intercambio de información a través de las reacciones químicas de varias proteínas dentro de las células. En años recientes, la ciencia ha llegado a comprender que muchas enfermedades graves, como el cáncer, son causadas parcialmente por anomalías en las reacciones de fosforilación, que son representativos de las reacciones químicas entre proteínas. Si se pudieran desarrollar productos farmacéuticos que repararan reacciones de fosforilación anormales, eso permitiría tratamientos más efectivos. En el presente, sin embargo, solo se conocen bien algunas reacciones de fosforilación, por lo que es necesario el descubrimiento de reacciones de fosforilación desconocidas, y enriquecer los datos sobre reacciones de fosforilación.

    Cuestiones

    Las reacciones de fosforilación son reacciones químicas en las que una proteína une un grupo fosforilo a los aminoácidos que forman otra proteína. Para descubrirlos, es necesario comprobar las combinaciones de proteínas que provocan reacciones de fosforilación mediante experimentos biológicos. Sin embargo, ya que hay más de 800, 000 combinaciones posibles solo con proteínas, y debido a que se requieren costos y tiempo significativos para los experimentos biológicos, es necesario predecir desde el principio combinaciones de alta probabilidad. Se sabe que si se producirá una reacción de fosforilación depende de la estructura de la secuencia de aminoácidos que forma la proteína. Por lo tanto, la tecnología de IA ya se está utilizando para predecir nuevas reacciones de fosforilación al entrenar a la IA en la estructura de las secuencias de aminoácidos que ya se sabe que causan reacciones de fosforilación. Si bien esta tecnología puede predecir reacciones en las que la estructura de la secuencia de aminoácidos es similar a las que se sabe que causan reacciones de fosforilación, no ha sido capaz de predecir aquellos en los que la estructura de la secuencia de aminoácidos es significativamente diferente de las reacciones de fosforilación ya conocidas.

    Figura 2:Ejemplo de predicción de reacciones de fosforilación utilizando gráficos de conocimiento. Crédito:Fujitsu

    Según investigaciones médicas recientes, hay un fenómeno en el que las proteínas que han sufrido reacciones pueden fosforilar otras proteínas en una reacción en cadena (información encadenada), y esta puede ser la clave para predecir nuevos reacciones de fosforilación desconocidas relacionadas con ese fenómeno. Basado en dicha investigación, Laboratorios Fujitsu, el Insight Center, y Fujitsu Irlanda ahora han incluido no solo información estructural sobre las secuencias de aminoácidos en el gráfico de conocimiento, pero también información encadenada. Las organizaciones han desarrollado una tecnología (pendiente de patente) para representar los patrones complejos de reacciones químicas como atributos optimizados, que se adjuntan a las líneas en el gráfico de conocimiento. Como estos atributos se adaptaron a la construcción sofisticada del gráfico de conocimiento, pueden conducir a resultados de predicción muy precisos. Convencionalmente la relación entre las proteínas solo se podía comprobar a través de un único eslabón de la cadena. Sin embargo, al mostrar de manera integral la relación entre proteínas como conexiones de reacciones de fosforilación (información encadenada), es posible aclarar el posicionamiento de las diversas proteínas desde una perspectiva holística, y predecir relaciones desconocidas.

    Efectos

    Cuando se probó esta tecnología utilizando datos de evaluación, el modelo fue entrenado en reacciones de fosforilación (9, 802 reacciones), y predijo 11, 581, 940 nuevas reacciones de fosforilación. Esto demostró su capacidad para predecir aproximadamente el doble de reacciones de fosforilación en comparación con la tecnología convencional que entrenó a la IA en la estructura de las secuencias de aminoácidos. sin cambios significativos en la precisión de la predicción. Además, para probar si las reacciones de fosforilación predichas usando esta tecnología podrían ocurrir realmente dentro de un ser vivo, Las pruebas fueron realizadas por Systems Biology Ireland, una institución irlandesa de investigación biológica y un socio de investigación conjunto, utilizando equipos de espectrometría de masas y anticuerpos. En esta prueba, expertos en biología seleccionaron y probaron algunos resultados de predicción de reacciones de fosforilación para proteínas relacionadas con el cáncer, y pudieron confirmar nueve reacciones de fosforilación, de las cuales ocho fueron reacciones que no se podrían haber predicho con la tecnología convencional. El director de Systems Biology Ireland (SBI), Walter Kolch, una autoridad líder mundial en investigación de biología de sistemas, dijo sobre estos resultados "Combinando la tecnología de gráficos de conocimiento de Fujitsu con la comprensión de SBI de las redes biológicas, Hemos desarrollado un nuevo método computacional que puede predecir qué quinasa fosforila qué sustratos. El método es preciso y podría descubrir sitios de fosforilación previamente desconocidos. un gran paso adelante para el desarrollo de nuevos fármacos y una medicina de precisión más centrada ".

    Al combinar datos sobre nuevas reacciones de fosforilación predichas por esta tecnología con otros datos biomédicos, Se espera que conecte las reacciones químicas de las causas de una enfermedad (anomalías en las reacciones de fosforilación) con los síntomas de la enfermedad. que luego se puede proporcionar a quienes están en la vanguardia de la investigación como información útil en el descubrimiento de fármacos. La efectividad de los tratamientos para enfermedades como el cáncer puede variar ampliamente entre pacientes. Esta tecnología, sin embargo, se espera que aclare la variación individual en los efectos de los tratamientos, contribuyendo a la promoción de la medicina adaptada a pacientes individuales. Laboratorios Fujitsu, el Insight Center, y Fujitsu Irlanda continuará mejorando aún más la precisión de esta tecnología para procesar datos biomédicos con gráficos de conocimiento, extender la tecnología a proyectos biomédicos en Fujitsu Limited en el año fiscal 2018. Además, incorporando esta tecnología en la tecnología de inteligencia artificial de Fujitsu, incluyendo Fujitsu Human Centric AI Zinrai, las organizaciones planean acelerar el negocio biomédico.


    © Ciencia https://es.scienceaq.com