Data science

อัลกอริธึมการเรียนรู้ด้วยเครื่องใหม่ของ Carnegie Mellon รวมผลิตภัณฑ์จากธรรมชาติสำหรับยา

การระบาดใหญ่ของ COVID-19 ทำให้เกิดความเร่งด่วนอีกครั้งต่อชีววิทยาการคำนวณ และโดยเฉพาะอย่างยิ่ง การตามล่าหาเภสัชภัณฑ์ที่มีประสิทธิภาพ งานส่วนใหญ่ในการต่อสู้กับ SARS-CoV-2 มุ่งเน้นไปที่การรวมฐานข้อมูลที่มีอยู่ของสารประกอบธรรมชาติและยาที่เป็นที่รู้จัก และส่วนใหญ่เกี่ยวข้องกับเทคนิคที่แปลกใหม่และขับเคลื่อนด้วย AI สำหรับการประเมินสารประกอบนับล้านอย่างรวดเร็ว ตอนนี้ นักวิจัยจากมหาวิทยาลัยคาร์เนกี เมลลอน (CMU) ได้พัฒนาอัลกอริธึมการเรียนรู้ด้วยเครื่องแบบใหม่ที่ค้นหาผลิตภัณฑ์จากธรรมชาติที่สามารถทำหน้าที่เป็นยาที่มีประสิทธิภาพสำหรับโรคต่างๆ ตั้งแต่มะเร็งไปจนถึงการติดเชื้อไวรัส อัลกอริธึมซึ่งเป็นส่วนหนึ่งของเครื่องมือที่เรียกว่า NRPminer เริ่มต้นด้วยเมตาโบไลต์และสัญญาณจีโนมของจุลินทรีย์ จากนั้นจึงเชื่อมโยงสัญญาณเหล่านั้นกับผลิตภัณฑ์จากธรรมชาติที่เป็นที่รู้จัก “ผลิตภัณฑ์จากธรรมชาติยังคงเป็นหนึ่งในเส้นทางที่ประสบความสำเร็จมากที่สุดสำหรับการค้นคว้ายา” Bahar Behsaz นักวิทยาศาสตร์โครงการในห้องปฏิบัติการ Metabolomics และ Metagenomics ของ CMU และผู้เขียนนำบทความอธิบายการวิจัยในการให้สัมภาษณ์กับ Aaron Aupperlee ของ CMU “และเราคิดว่าเราสามารถพัฒนาต่อไปได้ด้วยอัลกอริทึมแบบเดียวกับของเรา โมเดลการคำนวณของเราคือลำดับความสำคัญที่เร็วกว่าและละเอียดอ่อนกว่า” โดยเฉพาะอย่างยิ่ง NRPminer มองหาเปปไทด์ที่ไม่ใช่ไรโบโซม ซึ่งเป็น NRP ที่มีชื่อเดียวกัน ซึ่งเป็นส่วนผสมหลักของยาปฏิชีวนะและยารักษาเนื้องอก NRP มักจะหลบเลี่ยงนักวิจัย ซึ่งพบว่าสิ่งที่มีประโยชน์นั้นยากที่จะแยกแยะออกจากส่วนที่เหลือ “แนวทางที่ไม่เหมือนใครของเราก็คือเทคโนโลยีของเรามีความละเอียดอ่อนมาก มันสามารถตรวจจับโมเลกุลที่มีปริมาณนาโนกรัมมากมาย” Hosein Mohimani ผู้ช่วยศาสตราจารย์ด้านชีววิทยาเชิงคำนวณและหัวหน้าห้องปฏิบัติการ Metabolomics และ Metagenomics กล่าว “เราสามารถค้นพบสิ่งต่าง ๆ ที่ซ่อนอยู่ใต้หญ้าได้” ในการทดสอบอัลกอริธึม ทีมงานได้ทดลองกับจุลินทรีย์หลายร้อยสายพันธุ์ที่ทราบว่ามีความเสี่ยงต่อยาที่ใช้ผลิตภัณฑ์จากธรรมชาติหลายชนิด NRPminer ระบุยาที่รู้จักกันดีหลายร้อยชนิด รวมถึงผลิตภัณฑ์จากธรรมชาติอีก 4 รายการซึ่งตอนนี้ถือว่าเป็นตัวเลือกที่มีแนวโน้มในการพัฒนายา และทีมวิจัยกำลังตรวจสอบอยู่ “ความหวังของเราคือเราสามารถผลักดันสิ่งนี้ไปข้างหน้าและค้นหาผู้สมัครยาธรรมชาติรายอื่น ๆ แล้วพัฒนายาเหล่านี้ให้อยู่ในช่วงที่น่าสนใจสำหรับ บริษัท ยา” Mohimani กล่าว “Bahar Behsaz และฉันกำลังขยายวิธีการค้นพบของเราไปยังกลุ่มผลิตภัณฑ์จากธรรมชาติในระดับที่เหมาะสมสำหรับการค้า” หากต้องการเรียนรู้เพิ่มเติมเกี่ยวกับงานวิจัยที่กล่าวถึงในบทความนี้ อ่านบทความเรื่อง “Integrating genomics and metabolomics for scalable non-ribosomal peptide Discovery” ซึ่งตีพิมพ์ในนิตยสาร Nature ฉบับเดือนพฤษภาคม 2021 การสื่อสาร

  • บ้าน
  • Business
  • Data science
  • Marketing
  • Leave a Reply

    Your email address will not be published. Required fields are marked *

    Back to top button