Chào mừng Quý độc giả đến với trang thông tin điện tử của Viện Khoa học Kỹ thuật Nông nghiệp miền Nam

Tin nổi bật
Thành tích

Huân chương Ðộc lập

- Hạng 1 - Hạng 2 - Hạng 3

Huân chương Lao động

- Hạng 1 - Hạng 2 - Hạng 3

Giải thưởng Nhà nước

- Nghiên cứu dinh dưởng và thức ăn gia súc (2005)

- Nghiên cứu chọn tạo và phát triển giống lúa mới cho xuất khẩu và tiêu dùng nội địa (2005)

Giải thưởng VIFOTEC

- Giống ngô lai đơn V2002 (2003)

- Kỹ thuật ghép cà chua chống bệnh héo rũ vi khuẩn (2005)

- Giống Sắn KM 140 (2010)

Trung tâm
Liên kết website
lịch việt
Thư viện ảnh
Video
Triển vọng giống đậu nành HLĐN910 trên đất trồng tiêu

Thống kê truy cập
 Đang trực tuyến :  20
 Số lượt truy cập :  21813817
Trí tuệ nhân tạo thúc đẩy nghiên cứu protein

Sử dụng trí thông minh nhân tạo, các nhà nghiên cứu tại Đại học Kỹ thuật Munich (TUM) đã thành công trong việc phân tích khối lượng protein từ bất kỳ sinh vật nào nhanh hơn đáng kể so với trước đây và gần như không có lỗi. Cách tiếp cận mới này được thiết lập để kích thích một sự thay đổi đáng kể trong lĩnh vực nghiên cứu protein, vì nó có thể được áp dụng trong cả nghiên cứu cơ bản và lâm sàng.

Sử dụng trí thông minh nhân tạo, các nhà nghiên cứu tại Đại học Kỹ thuật Munich (TUM) đã thành công trong việc phân tích khối lượng protein từ bất kỳ sinh vật nào nhanh hơn đáng kể so với trước đây và gần như không có lỗi. Cách tiếp cận mới này được thiết lập để kích thích một sự thay đổi đáng kể trong lĩnh vực nghiên cứu protein, vì nó có thể được áp dụng trong cả nghiên cứu cơ bản và lâm sàng.

 

Ảnh: Các tác giả Mathias Wilhelm, Tobias Schmidt và Siegfried Gessulat.

 

Bộ gen của bất kỳ sinh vật nào chứa bản thiết kế cho hàng ngàn protein kiểm soát hầu hết các chức năng của sự sống. Protein khiếm khuyết dẫn đến các bệnh nghiêm trọng, chẳng hạn như ung thư, tiểu đường hoặc mất trí nhớ. Do đó, protein cũng là mục tiêu quan trọng nhất đối với thuốc.

Để hiểu rõ hơn về quá trình sống và bệnh tật và phát triển các liệu pháp phù hợp hơn, cần phải phân tích đồng thời càng nhiều protein càng tốt. Hiện nay, phép đo phổ khối được sử dụng để xác định loại và số lượng protein trong một hệ thống sinh học. Tuy nhiên, các phương pháp phân tích dữ liệu hiện tại tiếp tục tạo ra nhiều sai lầm.

Một nhóm nghiên cứu tại Đại học Kỹ thuật Munich do nhà khoa học tin sinh học Mathias Wilhelm và nhà hóa sinh Bernhard Küster, Giáo sư Proteomics và Bioanalytics tại Đại học Kỹ thuật Munich, đã thành công trong việc sử dụng dữ liệu proteomic để đào tạo một mạng lưới thần kinh theo cách mà nó là có thể nhận ra protein nhanh hơn nhiều và hầu như không có lỗi.

Giải pháp cho một vấn đề nghiêm trọng


Phổ kế không đo protein trực tiếp. Họ phân tích các phần nhỏ hơn bao gồm các chuỗi axit amin với tối đa 30 khối. Phổ đo được của các chuỗi này được so sánh với cơ sở dữ liệu để gán chúng cho một loại protein cụ thể. Tuy nhiên, phần mềm đánh giá chỉ có thể sử dụng một phần thông tin mà quang phổ chứa. Do đó, một số protein không được công nhận hoặc được công nhận không chính xác.

"Đây là một vấn đề nghiêm trọng", Küster giải thích. Mạng lưới thần kinh được phát triển bởi nhóm TUM sử dụng tất cả thông tin của quang phổ cho quá trình nhận dạng. "Chúng tôi bỏ lỡ ít protein hơn và mắc lỗi ít hơn 100 lần", Bernhard Küster nói.

Áp dụng cho tất cả các sinh vật


"Ưu điểm", như các nhà nghiên cứu gọi là phần mềm AI, là "áp dụng cho tất cả các sinh vật trên thế giới, ngay cả khi các protein của chúng chưa bao giờ được kiểm tra trước đây", Mathias Wilhelm giải thích. "Điều này cho phép nghiên cứu những gì mà trước đây chưa thể làm được".

Với sự trợ giúp của 100 triệu phổ khối, thuật toán đã được đào tạo rộng rãi đến mức nó có thể được sử dụng cho tất cả các phổ kế khối phổ biến mà không cần đào tạo thêm. "Hệ thống của chúng tôi là tiên phong trong lĩnh vực này", Küster nói.

Các phòng khám, công ty công nghệ sinh học, công ty dược phẩm và viện nghiên cứu đang sử dụng các thiết bị hiệu suất cao thuộc loại này, do vậy thị trường có thể định giá trị hàng tỷ đô.

Các nhà nghiên cứu cũng có hy vọng cao cho nghiên cứu cơ bản. "Phương pháp này có thể được sử dụng để theo dõi các cơ chế điều tiết mới trong các tế bào", Küster nói. "Chúng tôi hy vọng sẽ có được một lượng kiến thức đáng kể ở đây, trong trung và dài hạn, sẽ được phản ánh trong việc điều trị các bệnh mà con người, động vật và thực vật mắc phải".

Wilhelm cũng hy vọng rằng "các phương pháp AI như Prosit sẽ sớm thay đổi lĩnh vực proteomics, vì chúng có thể được sử dụng trong hầu hết các lĩnh vực nghiên cứu về protein".

 
P.T.T - NASATI, theo Nanowerk.
Trở lại      In      Số lần xem: 118

[ Tin tức liên quan ]___________________________________________________
Designed & Powered by WEBSO CO.,LTD