新的人工智能模型增强了医学研究的蛋白质数据分析

研究人员开发了新的人工智能模型，可以大大提高蛋白质科学的准确性和发现能力。这些模型可以帮助医学科学克服个性化医疗、药物发现和诊断方面的当前挑战

随着人工智能工具的广泛使用，技术和自然科学的大多数领域都在迅速发展。在生物技术领域尤其如此，人工智能模型为药物发现、精准医学、基因编辑、食品安全和许多其他研究领域的突破提供了动力

一个子领域是蛋白质组学——大规模研究蛋白质——其中大量的蛋白质数据被收集在数据库中，可以与样本进行比较。这些数据库使科学家能够辨别样本中存在哪些蛋白质，从而辨别微生物。它们允许医生诊断疾病，监测治疗的有效性，或识别患者样本中存在的病原体

尽管这些工具有用且有效，但它们的作用是有限的，DTU生物工程副教授兼通讯作者Timothy Patrick Jenkins说：

“首先，没有数据库包含所有内容，所以你需要知道哪些数据库与你的特定需求相关。然后，深度搜索非常耗时，需要大量的计算机能力。最后，几乎不可能识别尚未注册的蛋白质。”

因此，一些小组研究了所谓的“从头测序算法”，随着数据库大小的增加，这些算法提高了准确性并降低了计算成本。尽管如此，来自DTU、荷兰代尔夫特大学和英国人工智能公司InstaDeep的Jenkins及其同事表示，他们的表现仍然“令人印象深刻”。

InstaDeep的研究工程师、该论文的共同第一作者Kevin Michael Eloff说：“综合来看，我们的模型超越了最先进的技术，比目前可用的工具精确得多。此外，正如我们在论文中所展示的，我们的模型并不特定于某个研究领域。相反，这些工具可以推动所有涉及蛋白质组学的领域取得重大进展。”

为了评估他们的模型的有用性，研究人员在主要感兴趣的领域内对它们进行了训练和测试

对下肢静脉性溃疡患者的伤口液进行了一项调查。众所周知，腿部静脉溃疡很难治疗，而且经常变成慢性溃疡，因此了解存在哪些微生物（如细菌）对治疗至关重要

这些模型可以绘制10倍于数据库搜索的序列，包括大肠杆菌和铜绿假单胞菌的序列，后者是一种多药耐药细菌

另一个用例是在细胞表面显示的称为肽的小块蛋白质上进行的。这些帮助免疫系统识别感染和疾病，如癌症。InstaNovo模型鉴定了数千种使用传统方法无法发现的新肽

与超过100000名依赖Phys.org获取日常见解的订阅者一起探索科学、技术和太空的最新进展。注册我们的免费时事通讯，每天或每周获取重要突破、创新和研究的最新进展

在个性化的癌症治疗中，增强免疫系统——也称为免疫治疗——这些肽都是潜在的攻击目标

“综合来看，我们对复杂病例的模型测试表明，这些病例适合显著提高我们的理解，例如，存在未知蛋白质，或者我们对所涉及的生物体没有先验知识。这对生物医学来说是个好兆头，因为它可以直接改善我们微生物组的识别，以及改善我们在个性化医学和癌症免疫学方面的努力，”DTU生物工程的第一作者兼助理教授康斯坦丁诺斯·卡洛杰罗普洛斯说。

该论文提供了六个额外的病例，展示了这些模型如何改进治疗测序、发现新肽、检测未报告的生物体以及显著增强蛋白质组学搜索。Timothy Patrick Jenkins说，他们的研究结果的影响远远超出了医学科学：

“从纯粹的技术、科学角度来看，有了这些工具，我们确实可以提高对整个生物世界的理解，不仅在医疗保健方面，而且在工业和学术界。

“在使用蛋白质组学的每个领域——无论是植物科学、兽医科学、工业生物技术、环境监测还是考古学——我们都可以获得迄今为止无法获得的蛋白质景观的见解。p