简短的评论

数量:11 (12)DOI: 10.37532 / 2319 - 9822.2022.11 .251 (12)

• 查看PDF
• 下载

结合机械模型和机器智能研究制药Fanconi贫血周围地区的途径

*通信:

默罕默德·阿尔伯主编,《太空探索、伊拉克、电子邮件: (电子邮件保护)

文摘

考虑到样本之间的不平衡和候选基因,尽管基因组数据的数量,它是具有挑战性的发展预测模型,解释表型的函数基因表达或突变。的情况下,当样本可用性是有问题的,就像在罕见疾病的情况下,这是更加引人注目。结果我们发现了20多个可能的治疗目标通过使用多输出回归机器学习方法估算的潜在影响外源蛋白在信号电路启动Fanconi anemia-related细胞功能。罕见疾病的系统寻找新的目标是通过使用成为可能人工智能工具,预测潜在的病因之间的联系感兴趣的蛋白质和细胞活动与疾病表型有关。

关键字

Fanconi贫血,信号通路,大数据,机器学习,基因组学

介绍

基因组分析现在事实上的大数据的学科,因为测序技术的令人难以置信的快速增加吞吐量在过去的几年里。最近的前瞻性研究比较了一代的基因组数据和其他重要数据生成器喜欢天文学,Twitter和YouTube和得出的结论基因组学与或,可能甚至比大数据领域被认为是在数据采集方面,存储、分布、和分析。自机器学习技术最近被成功应用于多个医学领域,包括放射学、病理学、眼科,心脏病,等等,这似乎是理想状态下的使用。然而在人类基因组数据的情况下,大多数应用程序都无监督类发现方法,使用基因表达数据可视化、集群、和其他任务,主要是在单细胞或癌症。监督的应用程序是有限的几个例子相对简单的问题,一个好的变量来预测和数据之间的平衡是满意,如推断基于一个代表性样本的基因的表达。因此,尽管大量的基因数据可用,没有许多转化应用程序最有趣,因为预测场景主要过度拟合问题。大量的变量(在该地区的20000个基因),许多传统的构成障碍机器学习(毫升)方法,很难代表复杂、多元表型的函数数目不详的基因。因此,新方法,利用的巨大潜力毫升应用于基因组大数据要求模型疾病和寻找新的治疗方法。一个特别有趣的基因数据的应用与使用毫升模型细胞的活动。这些模型提供了一个逻辑从genotype-level变异表型变化(的规模细胞和生物)。框架的提出不仅是有趣的,因为它使用基因型和表现型之间的因果关系,还因为它是实现降维,尽管事实是,这些模型是基于酵母,有机体比人类更简单,使用酵母基因组数据,更丰富的比人类基因组数据。为了选择特定的疾病感兴趣的细胞机制,人类的机械模型细胞信号传导或细胞代谢可以提供可用的功能之间的联系能够数据(基因表达)和细胞表型水平。事实上,机械的模型辅助理解各种癌症疾病的机制,药物作用机制,和其他生物有趣的情况。例如,分子机制解释应激激活棕色脂肪组织可以防止肥胖,或死亡的分子机制和事后缺血的组织,是生物有趣的情况下,这些模型帮助照亮。其实,我们要的是药物再利用,或寻找新用途的药物已经可以治疗其他疾病。这是一个很好的方法对于罕见疾病,因为它大大加速了检查潜在的化合物,同时降低失败的风险。建立问题的新指示潜在的蛋白质之间的联系和英足总特征是可以克服的机器学习技术。

结论

我们的方法是不够从微生物的角度来识别高风险感染或传播的细菌对抗生素耐药的船员。然而,我们现在把这个风险是难以置信的低因为最近的信息从国际空间站。虽然被认为是风险低,很明显,内部微生物动力学约束和孤立的生态系统需要监控为了理解独特的影响出现像污染带来的堆肥厕所。此外,基线数据微生物组的栖息地,其居民和post-sampling事件将大大提高评估的影响限制在居民和表面的栖息地。大部分的类似研究,是否进行了在地上,像Mars500,或空间,像国际空间站,显示一个类似的长期的同质性,成分和微生物的多样性。