Sztuczna inteligencja "Candycrunch" przyspiesza wykrywanie raka poprzez analizę struktur cukrowych w komórkach.
WarsawNaukowcy z Uniwersytetu w Göteborgu stworzyli model AI o nazwie Candycrunch, który usprawnia wykrywanie raka poprzez analizę poziomów cukru. Candycrunch działa szybciej i precyzyjniej w odnajdywaniu nieprawidłowości w porównaniu z obecnymi metodami półręcznymi.
Glikany to struktury cukrowe występujące w naszych komórkach. Można je mierzyć za pomocą spektrometrii mas, co umożliwia wykrywanie różnych typów nowotworów w komórkach. Model AI wspiera tę analizę.
- Automatyzuje analizę danych dotyczących fragmentacji glikanów
- Zapewnia wyniki w ciągu kilku sekund na test
- Posiada 90% skuteczność w ustalaniu dokładnej struktury cukru
Analiza danych dotyczących fragmentacji glikanów wymaga dużo czasu i umiejętności. Tylko nieliczni specjaliści potrafią tego dokonać, a przetworzenie każdego próbki może zająć godziny, a nawet dni. Wynika to z konieczności dokładnego zbadania danych przez ludzi, aby zidentyfikować strukturę glikanu. Proces ten opanowuje się przez wiele lat.
Candycrunch sprawnie radzi sobie z tymi trudnymi zadaniami za pomocą SI. Może wykonać zadania w sekundy, które zwykle zajmują o wiele więcej czasu. Wyniki zostały opublikowane w czasopiśmie Nature Methods.
Candycrunch przeszedł szkolenie na obszernym zbiorze danych zawierającym ponad 500 000 przykładów różnych fragmentacji i struktur cukru. Dzięki temu dokładnemu szkoleniu, Candycrunch cechuje się niezwykłą precyzją.
Daniel Bojar, starszy wykładowca bioinformatyki na Uniwersytecie w Göteborgu, stwierdza, że ich model poprawnie identyfikuje strukturę cukru w 90% przypadków. To sugeruje, że model AI wkrótce może osiągnąć taką samą dokładność jak metody stosowane do sekwencjonowania DNA, RNA i białek.
Model AI działa szybko i precyzyjnie, co pozwala na szybsze odnajdywanie biomarkerów opartych na glikanach. Biomarkery te są kluczowe w diagnozowaniu i przewidywaniu nowotworów, co może przynieść znaczący postęp w badaniach nad rakiem.
Model AI potrafi wykrywać struktury cukrowe, które mogą umknąć uwadze ludzi. Jest to szczególnie przydatne przy identyfikacji struktur cukrowych w bardzo małych ilościach. Te struktury mogą stać się nowymi narzędziami badawczymi.
Candycrunch ma na celu upowszechnienie analiz glikanów w badaniach biologicznych i klinicznych. Powodem jest to, że model sztucznej inteligencji zautomatyzował najbardziej czasochłonny etap, którym jest ręczna analiza danych.
Daniel Bojar uważa, że automatyzacja pomoże w odkrywaniu nowych biomarkerów. Dzięki temu więcej badaczy będzie mogło studiować glikany bez konieczności specjalistycznego szkolenia. Model AI wykazuje potencjał w poprawie wykrywania raka w przyszłości.
Badanie jest publikowane tutaj:
http://dx.doi.org/10.1038/s41592-024-02314-6i jego oficjalne cytowanie - w tym autorzy i czasopismo - to
James Urban, Chunsheng Jin, Kristina A. Thomsson, Niclas G. Karlsson, Callum M. Ives, Elisa Fadda, Daniel Bojar. Predicting glycan structure from tandem mass spectrometry via deep learning. Nature Methods, 2024; DOI: 10.1038/s41592-024-02314-6Dzisiaj · 20:28
Nowe badania: jak LLM wpływają na społeczeństwo
Dzisiaj · 18:29
Wpływ stresu na dietę studentów sportowców
Dzisiaj · 16:32
Związek struktury mózgu z poglądami politycznymi
Dzisiaj · 14:35
ChatGPT doradza skutecznie jak lekarz przy bólu pleców
Udostępnij ten artykuł