슬롯 사이트 (WPI)의 컴퓨터 과학자 팀은 복잡한 질병을 뒷받침하는 유전자 및 분자 상호 작용에 대한 더 나은 이해를 제공 할 새로운 계산 기술을 개발하고 평가하기 위해 National Institutes of Health로부터 2 년 347,000 달러를 받았습니다. 예를 들어, 도구는 특정 유전자 돌연변이 또는 돌연변이 패턴이 당뇨병, 신경계 장애, 암 및 기타 질병으로 이어질 가능성을 예측하는 데 도움이 될 것입니다. 그러한 질병의 결과 가능성; 그리고 그러한 조건이 치료에 얼마나 잘 대응할 것인지.
Dmitry Korkin, 컴퓨터 과학 부교수 및 슬롯 무료체험의 이사생물 정보학 및 계산 생물학 프로그램, 팀은 다양한 슬롯 무료체험과 관련된 차세대 순서 기술과 병에 걸린 조직에서 발생하는 대안적인 유전자 생성물에 대한 차세대 순서 기술에 의해 현재 생성되고있는 방대한 양의 데이터를 통해 체계를위한 도구를 개발할 것입니다. 슬롯 무료체험.
53821_54362
Korkin은 기존의 빅 데이터 도구가 복잡한 생물학적 네트워크를 모델링하는 능력과 슬롯 무료체험 상태의 변화 방식이 제한되어 있다고 말했습니다. 그리고 그러한 도구는 언젠가 실험실 실험을 대체하거나 최소한 과학자들이 가장 유용한 결과를 얻을 수있는 실험을 결정하는 데 도움이되기를 희망하지만 아직 그 과제에 달려 있지 않습니다. Korkin은 NIH 상을 통해 기계 학습으로 알려진 인공 지능 영역을 이끌어내는 새로운 종류의 계산 방법을 개발함으로써 그 격차를 해소하기를 희망한다고 말했다.
그는 단백질 생성을위한 유전자 코드를 포함하는 유전자가 RNA 분자로 전사 될 때 시작되는 세포 내에서 복잡한 분자 상호 작용의 복잡한 웹을 더 잘 모델링하는 것이 목표라고 말했다. RNA는 결과적으로 유전자 정보를 세포 내에서 특정 단백질을 조립하는 데 사용하는 기계로 전달합니다. 마지막으로, 세포 내에서 생성 된 무수한 단백질은 복잡한 분자 발레에서 상호 작용한다. 특히, Korkin은 그의 목표는 유전자가 돌연변이를 개발할 때이 조밀 한 상호 작용의 변화가 어떻게 변하는지를 예측할 수있는 알고리즘을 만드는 것이라고 말했다. 이러한 통찰력은 의사가 개별 환자의 특정 슬롯 무료체험의 과정을 예측하고 개별 치료를 처방 할 수있는 도구를 갖는 개인화 된 의약품의 기초를 세우는 데 도움이 될 수 있습니다..
Korkin과 그의 팀이 개발하고있는 도구는 슬롯 무료체험의 분자 기계를 바라 보는 새로운 방법을 반영한다고 그는 말했다. 많은 복잡한 슬롯 무료체험이 수십 개 또는 수백 개의 돌연변이와 관련이있는 것으로 알려져 있습니다. 이들 돌연변이 각각은 정상적이고 돌이없는 유전자 코드와 다른 단백질을 생성 할 것이다. 생물학의 새로운 모델은 이러한 변경된 단백질 사이의 상호 작용에 초점을 맞추는 (생물 학자들은 단백질 네트워크에서“가장자리”라고 말하면, 이들 상호 작용을 단백질 네트워크에서“이 상호 작용)를 세포 기능의 변화로 해석하는 방법에 대한 훨씬 더 정확한 그림을 산출하므로 슬롯 무료체험이 돌연변이 만 보는 것보다 슬롯 무료체험이 시작되고 진보하는 방식에 대한 더 나은 그림을 제공 할 것입니다..
56491_56748
최근 논문에서저널 분자 생물학 저널(“Silico Edgetic 프로파일 링에서 인간 상호 작용에서 병원성 SNV의 다층 뷰”), Korkin과 그의 연구팀은 단백질 상호 작용을 대량으로 모델링하고 세포의 대형 유형의 프로파일을 구축 할 수있는 최초의 기계 학습 도구를 설명합니다. 사례 연구로서, 팀은 도구를 사용하여 도구를 사용하여 유형 2 유전자들 사이에서 관련된 수십 가지 유전자들 사이에서 연결된 수십 가지 유전자들 사이에서 연결된 수십 가지 유전자들 사이의 연결을 추적하여 체계적으로 증상을 일으킨다. 그 유전자의 정상적인 버전에 의해, 단백질이 돌연변이 유전자로부터 나올 때 이러한 상호 작용이 어떻게 변하는지를 보았다.
“처음으로, Korkin은 다음과 같이 말했습니다 :“우리는 당뇨병에 대한 대규모 견해와 단백질 상호 작용에서 돌연변이의 역할을 제공했습니다. 당뇨병과 관련된 돌연변이는 세포에서 분자 상호 작용을 알리기 위해 상승적으로 작용하는 것으로 나타났습니다. 상당히 극적으로 재 배선되었습니다.”
단백질 네트워크의 상호 작용을 모델링하는 동안 충분히 도전적이라고 Korkin은 분자 생물학의 또 다른 새로운 개념이 새로운 복잡성을 추가한다고 말했다. 이를 대안 적 스 플라이 싱이라고하며 유전학의 고전적인 모델을 확장합니다. 단일 유전자로 코딩 된 정보는 하나의 단백질에 대한 청사진을 나타냅니다. 대부분의 유전자는 RNA 분자에 의해 전사되는 유전자 섹션에 따라 여러 단백질을 생산할 수있는 것으로 알려져있다. 세포는 다양한 조절 메커니즘을 사용하여 한 순간에 어떤 단백질이 생산 될지 결정하지만 암을 포함한 다양한 슬롯 무료체험은 유전자가 "스 플라이 싱"하는 방식을 변화시킬 수 있습니다..
58882_59361
Korkin은 그의 그룹이 새로운 NIH 상을 통해 개발할 계산 도구는 대체 스 플라이 싱의 영향을 설명 할 수 있으며, 이러한 도구로 얻은 지식은 생물학에 대한 이해를 발전시키고 건강 관리를 향상시킬 수 있다고 말했습니다. 예를 들어, 그는 일부 유전자가 다른 조직, 다른 시간 또는 다른 환경 스트레스 요인 하에서 다른 단백질을 생산한다고 믿는다고 말했다. 또한 종양의 유전자는 상이한 병리학 적 단계에서 상이한 단백질을 발현 할 수 있다고 믿어진다. 이러한 변화를 예측할 수있는 도구가 있으면 슬롯 무료체험 진단 방법과 새로운 치료가 어떻게 개발되고 투여되는지를 크게 향상시킬 수 있다고 그는 말했다.
저널 RNA의 최근 논문에서 (“RNA-Seq 데이터를 통한 생물학적 분류 : 대안 적 스 플라이 싱 된 전 사체식 표현식을 향상시킬 수 있습니까?”)), Korkin과 그의 동료들은 대안 적 스 플라이 싱에 대한 데이터를 사용하는 기계 학습 도구 (또는 유전자 코드가 단백질로 변환되는 방법에 대한 데이터)보다 더 나은 성능을 수행하는지 여부를 테스트했습니다. 논문에서는 알고리즘에 제시된 도전 과제는 조직의 나이에 대한 분자 데이터를 식별하는 것이 었습니다. 조직이 건강하거나 암성이든, 개별 종양의 병리학 적 단계인지 촬영.
그들은 거의 모든 경우에 대안 적 스 플라이 싱 데이터가 유전자 시퀀싱 데이터보다 샘플을 분류하는 데 더 좋았으며, 많은 경우 100 % 정확도로 분류를 생성했다는 것을 발견했습니다. Korkin은“조직-특이 적 효과, 발달 변화 또는 슬롯 무료체험 단계 데이터를 살펴보면 대체 스 플라이 싱 데이터를 사용하여 모든 것이 더 정확하게 분류되었습니다.
“새로운 NIH 상을 통해 기계 학습 도구를 다음 단계로 끌어 올리고 생물학 및 개인화 된 의약품의 가장 흥미 진진한 영역에 기여할 수있는 자원을 갖게 될 것입니다.”.
