Новый метод машинного обучения для анализа сложных научных данных о белках

Ученые разработали метод с использованием машинного обучения для лучшего анализа данных, полученных с помощью мощного научного инструмента — ядерного магнитного резонанса (ЯМР). Данные ЯМР можно использовать, в частности, для понимания белков и химических реакций в организме человека. ЯМР тесно связан с магнитно-резонансной томографией (МРТ), применяемой в медицинской диагностике.

Спектрометры ЯМР позволяют ученым определять структуру молекул, например белков, но анализ этих данных может занимать у высококвалифицированных экспертов значительное время. Новый метод машинного обучения способен анализировать данные гораздо быстрее и с такой же точностью.

В исследовании, недавно опубликованном в Nature Communications, ученые описали свой процесс, который, по сути, учит компьютеры «распутывать» сложные данные об атомарных свойствах белков, разделяя их на отдельные читаемые изображения.

«Чтобы использовать эти данные, нам нужно разделить их на сигналы от разных частей молекулы и количественно оценить их специфические свойства, — сказал Рафаэль Брюшвейлер, старший автор исследования, научный сотрудник штата Огайо и профессор химии и биохимии в Университете штата Огайо. — И до этого было очень сложно использовать компьютеры для идентификации этих отдельных сигналов, когда они перекрываются».

Процесс, разработанный Давэем Ли, ведущим автором исследования и научным сотрудником Центра химических инструментов кампуса Университета штата Огайо, учит компьютеры сканировать изображения со спектрометров ЯМР. Эти изображения, известные как спектры, выглядят как сотни и тысячи пиков и впадин, которые, например, могут показывать изменения белков или сложных смесей метаболитов в биологическом образце (таком как кровь или моча) на атомном уровне. Данные ЯМР дают важную информацию о функции белка и важные подсказки о том, что происходит в организме человека.

Однако деконструкция спектров в читаемые пики может быть затруднена, потому что часто пики перекрываются. Эффект почти как у горного хребта, где более близкие крупные пики скрывают более мелкие, которые также могут нести важную информацию.

«Представьте себе считыватели QR-кодов на вашем телефоне: спектры ЯМР похожи на QR-код молекулы — у каждого белка есть свой собственный специфический "QR-код", — сказал Брюшвейлер. — Однако отдельные "пиксели" этих "QR-кодов" могут значительно перекрываться друг с другом. Ваш телефон не смог бы их расшифровать. И это та проблема, которая была у нас со спектроскопией ЯМР и которую мы смогли решить, научив компьютер точно считывать эти спектры».

Процесс включает создание искусственной глубокой нейронной сети — многослойной сети узлов, которую компьютер использует для разделения и анализа данных.

Исследователи создали такую сеть, а затем обучили ее анализировать спектры ЯМР, подавая в компьютер спектры, уже проанализированные человеком, и сообщая компьютеру заранее известный правильный результат. Процесс обучения компьютера анализу спектров почти как обучение ребенка чтению — исследователи начали с очень простых спектров. Как только компьютер это понял, исследователи перешли к более сложным наборам. В конце концов, они загрузили в компьютер высокосложные спектры различных белков и образца мочи мыши.

Компьютер, использующий глубокую нейронную сеть, обученную анализировать спектры, смог разобрать пики в высокосложном образце с той же точностью, что и эксперт-человек. Более того, компьютер сделал это быстрее и с высокой воспроизводимостью.

Использование машинного обучения в качестве инструмента для анализа спектров ЯМР — это лишь один ключевой шаг в длительном научном процессе интерпретации данных ЯМР, сказал Брюшвейлер. Однако это исследование расширяет возможности спектроскопистов ЯМР, включая пользователей нового Национального центра сверхвысокопольного ЯМР в Университете штата Огайо, стоимостью 17,5 млн долларов, финансируемого Национальным научным фондом (NSF). Ожидается, что центр будет введен в эксплуатацию в 2022 году, и в нем будет установлен первый в Северной Америке спектрометр ЯМР с частотой 1,2 гигагерца.

В этом исследовании также участвовали другие ученые: Александар Хансен, Чуньхуа Юань и Лей Брюшвейлер-Ли, все из Центра химических инструментов кампуса Университета штата Огайо.