El software de IA puede proporcionar una «hoja de ruta» para los descubrimientos biológicos

El software de IA puede proporcionar una "hoja de ruta" para los descubrimientos biológicos

El software de IA puede proporcionar una

Crédito: Investigación de ácidos nucleicos (2023). DOI: 10.1093/nar/gkad374

Predecir la ubicación de una proteína dentro de una célula puede ayudar a los investigadores a desbloquear una gran cantidad de información biológica que es fundamental para desarrollar futuros descubrimientos científicos relacionados con el desarrollo de fármacos y el tratamiento de enfermedades como la epilepsia. Eso es porque las proteínas son los «caballos de batalla» del cuerpo, en gran parte responsables de la mayoría de las funciones celulares.

Recientemente, Dong Xu, Profesor Distinguido del Curador en el Departamento de Ingeniería Eléctrica y Ciencias de la Computación de la Universidad de Missouri, y sus colegas actualizaron su modelo de predicción de localización de proteínas, MULocDeep, con la capacidad de proporcionar predicciones más específicas, incluidos modelos específicos para animales, humanos y plantas El modelo fue creado hace 10 años por Xu y su colega investigador de MU Jay Thelen, profesor de bioquímica, para estudiar originalmente las proteínas en las mitocondrias.

«Muchos descubrimientos biológicos necesitan ser validados por experimentos, pero no queremos que los investigadores tengan que gastar tiempo y dinero realizando miles de experimentos para llegar allí», dijo Xu. «Un enfoque más específico ahorra tiempo. Nuestra herramienta proporciona un recurso útil para los investigadores al ayudarlos a llegar a sus descubrimientos más rápido porque podemos ayudarlos a diseñar experimentos más específicos a partir de los cuales avanzar en su investigación de manera más efectiva».

Al aprovechar el poder de la inteligencia artificial a través de una técnica de aprendizaje automático (capacitar a las computadoras para hacer predicciones utilizando datos existentes), el modelo puede ayudar a los investigadores que estudian los mecanismos asociados con las ubicaciones irregulares de las proteínas, conocidas como «localización incorrecta», o hacia dónde va una proteína. . a un lugar diferente de lo que se supone. Esta anormalidad a menudo se asocia con enfermedades como trastornos metabólicos, cánceres y trastornos neurológicos.

«Algunas enfermedades son causadas por una mala localización, lo que hace que la proteína no pueda realizar una función como se esperaba porque no puede ir a un objetivo o lo hace de manera ineficiente», dijo Xu.

Otra aplicación del modelo predictivo del equipo es ayudar con el diseño de medicamentos al apuntar a una proteína ubicada incorrectamente y moverla a la ubicación correcta, dijo Xu.

En el futuro, Xu espera aumentar la precisión del modelo y desarrollar más funcionalidades.

«Queremos seguir mejorando el modelo para determinar si una mutación en una proteína podría causar una mala localización, si las proteínas se distribuyen en más de un compartimento celular o cómo los péptidos señal pueden ayudar a predecir la localización con mayor precisión», dijo Xu. «Si bien no ofrecemos ninguna solución para el desarrollo de fármacos o tratamientos para varias enfermedades per se, nuestra herramienta puede ayudar a otros a desarrollar soluciones médicas. La ciencia actual es como una gran empresa. Diferentes personas desempeñan diferentes roles y, al trabajar juntas, podemos lograr mucho bien para todos».

Xu está trabajando actualmente con colegas para desarrollar un curso en línea gratuito para estudiantes de secundaria y universitarios basado en los conceptos biológicos y bioinformáticos utilizados en el modelo y espera que el curso esté disponible a finales de este año.

Xu y sus colegas también señalan un conflicto de intereses: si bien la versión en línea de MULocDeep está disponible para usuarios académicos, también hay una versión independiente disponible comercialmente a través de una tarifa de licencia.

«Servicio web MULocDeep para la predicción y visualización de la localización de proteínas a niveles subcelulares y suorganellares», se publicó en la revista. Investigación de ácidos nucleicos. Los coautores son Yuexu Jiang, Lei Jiang, Chopparapu Sai Akhil, Duolin Wang, Ziyang Zhang y Weinan Zhang en MU.

Más información:
Yuexu Jiang et al, servicio web MULocDeep para la predicción y visualización de la localización de proteínas a nivel subcelular y suborgánico, Investigación de ácidos nucleicos (2023). DOI: 10.1093/nar/gkad374

Proporcionado por la Universidad de Missouri

Citación: El software de IA puede proporcionar una «hoja de ruta» para los descubrimientos biológicos (2 de junio de 2023) consultado el 3 de junio de 2023 en https://phys.org/news/2023-06-ai-software-roadmap-biological-discoveries.html

Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *