Nature 子刊:研究人員利用人工智能分析糖代謝數據

來源: 生物通 / 作者: 2021-09-09
2

加州大學圣地亞哥分校的研究人員開發了一種工具,可以使用可解釋的人工智能 (AI) 系統和其他機器學習方法分析糖漫畫數據集。在最近發表在《自然通訊》(Nature Communications) 雜志上的一篇論文中,該團隊證明,糖基漫畫數據需要額外小心,才能正確地用于統計分析或機器學習。他們還提供了一種新的預處理解決方案來準備糖漫畫數據,從而大大提高其與機器學習和人工智能的使用能力。他們將這種方法命名為 GlyCompare。它采取了一個系統水平的觀點,說明了共享的生物合成途徑聚糖內和跨樣本。

為了介紹 GlyCompare,該團隊展示了他們增強 glycomics 數據集比較的能力,方法是在多種情況下 (包括胃癌組織) 揭示聚糖之間的隱藏關系。癌癥是一個很有用的例子,因為糖聚糖變化對癌癥的重要性及其在早期診斷中的作用。

“我們將 GlyCompare 應用于癌癥組織,結果表明,雖然使用標準統計方法無法發現癌癥特異性的聚糖,但使用我們的方法處理后,新的生物標志物出現了,” 加州大學圣地亞哥分校生物工程和兒科學教授內森 · 劉易斯 (Nathan Lewis) 說,他是這篇論文的通信作者。Lewis 是 CHO 系統生物學中心的共同主任,糖工程 CHO 細胞系被用于生產研究中使用的多種蛋白質。

在另一項分析中,該團隊表明,該方法大大提高了統計能力,例如,需要一半的樣本才能獲得相同的能力來檢測生物標志物。在這篇論文中,研究人員概述了 GlyCompare 背后的方法將如何將 glycomics 帶入臨床。事實上,Lewis 是一家初創公司的創始團隊成員,該公司授權相關知識產權,將該技術商業化,用于高價值的應用,包括癌癥診斷。

GlyCompare 方法的關鍵之一是,它著眼于合成構成多糖的亞基所需的生物步驟,而不僅僅是整個多糖本身,極大地提高了糖數據統計分析的準確性。研究人員認為,這種方法將使在許多應用中發現更細微的糖基化變化成為可能,包括早期癌癥。此外,GlyCompare 可能導致對所觀察到的多糖變化背后的機制的新見解。

Bokan Bao 和 Benjamin P. Kellman 是這篇論文的第一作者之一,他們都是生物信息學和系統生物學研究生項目的成員,也是加州大學圣地亞哥雅各布斯工程學院生物工程系的成員。

論文標題

Correcting for sparsity and interdependence in glycomics by accounting for glycan biosynthesis

聲明:本網所有文章(包括圖片和音視頻資料)系出于傳遞更多信息之目的,且明確注明來源和作者,不希望被轉載的媒體或個人可與我們聯系(edit@bio360.net ),我們將立即進行刪除處理。所有文章僅代表作者觀點,不代表本站立場。