CORNETO: машинное обучение для расшифровки сложных данных омики

от

Учёные из EMBL-EBI и их коллеги из Гейдельбергского университета разработали CORNETO — новый вычислительный инструмент, который использует машинное обучение для получения значимой информации из сложных биологических данных. Подробности опубликованы в журнале Nature Machine Intelligence.

Возможности CORNETO

CORNETO позволяет пользователям извлекать молекулярные сети — карты взаимодействия генов, белков и сигнальных путей. Для этого инструмент объединяет экспериментальные данные из разных образцов и условий с предварительными биологическими знаниями, такими как сигнальные или метаболические сети. Это может помочь нам лучше понять механизмы, которые делают клетку здоровой или больной.

Традиционно учёные анализируют данные из одного условия за раз — например, сравнивая здоровые клетки с больными — и строят отдельные сети взаимодействий для каждого. Но такой подход может упустить общую картину.

CORNETO использует машинное обучение для анализа нескольких образцов или условий вместе, выделяя биологические процессы, которые являются общими для наборов данных, и указывая на различия между образцами.

Преимущества CORNETO

CORNETO также позволяет исследователям настраивать его для конкретных случаев использования или расширять его для работы с новыми типами данных по мере необходимости.

«Использование CORNETO похоже на поиск общих нитей в запутанной сети», — объяснил Пабло Родригес-Миер, постдокторский исследователь в Гейдельбергском университете. «Он помогает исследователям выделить ключевые биологические процессы, которые происходят во многих образцах, и понять, что отличается или совпадает в каждом из них».

Применение CORNETO

Использование CORNETO особенно ценно для исследователей, работающих в таких областях, как онкология, где есть сходства между пациентами, но нет двух одинаковых пациентов. Чтобы продемонстрировать это, исследователи использовали CORNETO для анализа данных о экспрессии генов у нескольких пациентов с раком, чтобы обнаружить, какие конкретные внутриклеточные сигнальные пути ведут себя аномально.

Используя только данные о транскриптомике, CORNETO идентифицировал ключевые дерегулированные киназы — ферменты, которые регулируют передачу сигналов в клетке, — которые также были независимо обнаружены с помощью фосфопротеомики. Полученные сети выявили как общие пути, так и различия между пациентами, что является шагом к пониманию, которое однажды может поддержать стратегии персонализированного лечения.

CORNETO в настоящее время используется в исследовательском проекте ЕС DECIDER для выявления дерегулированных сигнальных путей, связанных с устойчивостью к химиотерапии у пациентов с раком яичников.

Исследователи также использовали CORNETO для анализа метаболических путей в штаммах дрожжей, у которых были инактивированы разные гены. Здесь CORNETO смог найти ключевые процессы, которые дрожжевые клетки использовали для выживания и роста. Понимание этих важных процессов может помочь учёным разработать более совершенные штаммы дрожжей для производства биотоплива и других продуктов для промышленного производства.

CORNETO доступен как программное обеспечение с открытым исходным кодом на GitHub.

Предоставлено Европейской молекулярно-биологической лабораторией.

Источник

Другие новости по теме

Другие новости на сайте

Оставьте комментарий