ИИ помогает расшифровать пептидные последовательности в клетках

Исследователи из Университета Ватерлоо разработали программу GraphNovo, которая с помощью машинного обучения обеспечивает более точное понимание пептидных последовательностей в клетках. Пептиды — это цепи аминокислот внутри клеток, столь же важные и уникальные строительные блоки, как ДНК или РНК.

Исследование "Mitigating the missing fragmentation problem in de novo peptide sequencing with a two-stage graph-based deep learning model" опубликовано в Nature Machine Intelligence.

В здоровом организме иммунная система может правильно идентифицировать пептиды атипичных или чужеродных клеток (например, раковых или вредных бактерий) и уничтожить их. Иммунотерапия работает над тем, чтобы заново "обучить" иммунную систему таких пациентов распознавать эти опасные элементы.

Ученые стремятся секвенировать пептиды, чтобы найти различия между нормальной и раковой тканью. Этот процесс особенно сложен для новых заболеваний или ранее не изученных раковых клеток, поскольку каждая опухоль и иммунная система уникальны.

Для быстрого анализа пептидов в незнакомой клетке ученые используют метод de novo пептидного секвенирования с помощью масс-спектрометрии. Однако этот процесс может оставлять некоторые пептиды неполными или полностью пропущенными в последовательности.

GraphNovo, используя машинное обучение, значительно повышает точность идентификации пептидных последовательностей, заполняя эти пробелы с учетом точной массы пептидной последовательности.

Такой скачок в точности может быть чрезвычайно полезен в различных медицинских областях, особенно в лечении рака и создании вакцин от таких болезней, как Эбола и COVID-19.

"Если у нас нет достаточно хорошего алгоритма, мы не сможем создать методы лечения. Пока это все теоретически. Но скоро мы сможем использовать это в реальном мире", — говорит аспирант Зепинг Мао, разработавший GraphNovo.