Par El Webb | Juillet 10, 2023

L'apprentissage automatique découvre des gènes jusque-là inconnus dans une nouvelle étude dirigée par l'UNM

Dans une étude révolutionnaire menée par des chercheurs de l'Université du Nouveau-Mexique, les scientifiques ont exploité la puissance de l'apprentissage automatique pour identifier un ensemble de gènes jusque-là inconnus associés à l'autophagie, un processus cellulaire vital impliqué dans le recyclage et le maintien de la santé cellulaire.

S'appuyant sur un modèle d'apprentissage automatique à la pointe de la technologie, l'étude a identifié 193 gènes comme contributeurs potentiels à la machinerie d'autophagie. Ces "gènes sombres" jusque-là ignorés représentent des voies prometteuses pour percer les mystères de l'autophagie et son rôle dans le fonctionnement cellulaire et les maladies complexes telles que la maladie d'Alzheimer, a déclaré la neuroscientifique de l'UNM, Elaine Bearer, MD, PhD.

"Il s'agit d'une autre forme de science impartiale et axée sur les données", a déclaré Bearer. "Ce que l'apprentissage automatique nous permet de faire, c'est d'éviter les conjectures et de faire de la science de la découverte d'une manière non basée sur des hypothèses."

L'étude, intitulée "Autophagy Dark Genes: Can We Find Them with Machine Learning?" vient d'être publié dans la revue Sciences naturelles, et visait à identifier un ensemble de gènes liés à l'autophagie en combinant diverses caractéristiques biologiques et ensembles de données et en connectant les données à un algorithme d'intelligence artificielle.

"L'idée était:" Pouvons-nous trouver ces gènes secrets, cachés et sombres avec une enquête sur l'intelligence artificielle? ", A déclaré Bearer.

La réponse est oui, l'apprentissage automatique peut guider la recherche en génomique pour obtenir une annotation plus complète des processus complexes.

Mais l'apprentissage automatique n'est pas la fin de la tâche, souligne Bearer. Une fois que l'intelligence artificielle a identifié quelque chose, c'est aux scientifiques de valider à la fois le processus et les résultats.

Pour ce faire, une équipe de recherche de l'UNM a utilisé le modèle d'apprentissage automatique MetaPath/XGBoost (MPxgb), qui a été formé à l'aide de données provenant de 17 sources différentes. L'enquête de recherche sur l'intelligence artificielle a commencé en 2019, dirigée par Tudor Oprea, MD, PhD, ancien directeur de l'informatique de dépistage pour le centre de découverte moléculaire et de découverte de médicaments de l'UNM et membre du centre de lutte contre le cancer complet de l'UNM.

Mohsen Ranjbar, PharmD, étudiant diplômé de l'UNM en chimie et biologie chimique, a pris les recherches d'Oprea et a mené une recherche de validation, en passant au peigne fin la base de données sur l'autophagie et les bases de données de publications de recherche, comme PubMed, pour voir si le modèle a démontré une grande précision dans la distinction déjà- gènes connus associés à l'autophagie.

Nous pouvons utiliser l'apprentissage automatique plus qu'avant. Parfois, nous avons une connaissance limitée de quelque chose, mais nous pouvons utiliser l'apprentissage automatique pour faire la lumière sur les choses et nous donner des orientations pour l'avenir.

- Mohsen Ranjbar, Étudiant diplômé, PharmD

Grâce à la recherche, les découvertes de Ranjbar ont révélé que si 23 % des principaux gènes prédits étaient déjà annotés dans la base de données sur l'autophagie, 77 % (193 gènes) étaient de nouvelles découvertes, représentant un potentiel inexploité pour comprendre la régulation de l'autophagie dans les processus cellulaires.

"C'est intéressant et c'était surprenant", a déclaré Ranjbar. « Cela ne fait que peu de temps que nous avons commencé cette recherche, et de voir que certains de ces gènes spécifiques découverts par l'IA ont déjà été mentionnés comme des gènes d'autophagie nouvellement découverts dans différentes publications récentes, cela montre la validation de notre machinerie pour trouver ces gènes. .”

Bearer a déclaré qu'en découvrant ces gènes sombres de l'autophagie, les chercheurs peuvent approfondir la relation entre la dérégulation de l'autophagie et le développement de maladies, guidant finalement le développement de nouvelles stratégies thérapeutiques pour la maladie.

L'étude révolutionnaire présente également la polyvalence de l'apprentissage automatique et de l'intelligence artificielle dans la recherche génomique, étendant les connaissances au-delà de l'autophagie à d'autres domaines de la biologie.

"Nous ne connaissons pas tous les gènes impliqués dans des choses comme le trafic endosomal, qui est vraiment important dans de nombreuses maladies, y compris la maladie d'Alzheimer", a déclaré Bearer. "Ainsi, nous pourrions utiliser notre modèle d'apprentissage automatique pour étudier et identifier d'autres gènes du génome qui n'ont pas encore subi de test sur banc humide pour déterminer leur rôle fonctionnel."

L'étude a été rendue possible grâce au soutien de plusieurs subventions, dont les NIH U24CA224370, U24TR002278, UL1TR001449, P20GM121176, P20AG068077, R01 MD014153 et le Harvey Family Endowment.

Un soutien supplémentaire a été fourni par le New Mexico Alzheimer's Disease Research Center, le UNM Autophagy, Inflammation & Metabolism Center et le UNM Clinical & Translational Science Center.

Bearer a déclaré que l'étude interdisciplinaire n'aurait pas été possible sans avoir franchi les frontières des départements universitaires et de recherche. Elle travaille au département de pathologie, Ranjbar est au département de chimie, et d'autres contributeurs au projet étaient en médecine interne, en informatique et au Molecular Discovery Center.

"Ce grand projet a transcendé plusieurs entités au sein de l'UNM", a-t-elle déclaré. "Je veux influencer la pensée scientifique autour de l'utilisation de l'apprentissage automatique, car c'est tellement puissant."