一個名為DeepBind使用的新工具來分析蛋白質與DNA和RNA結合,如何讓它檢測到突變,可能會擾亂細胞過程和引起疾病。

CIFAR高級研究員丹弗雷(多倫多大學),監督作者Babak Alipanahi Andrew Delong和發達的方法使用深學習——一個機器學習技術開創CIFAR家伙的神經計算與自適應感知項目和現在使用的谷歌和Facebook等公司。

成千上萬的蛋白質在人類細胞附著于DNA和RNA和調節基因的表達。 :“他們的主控制器單元Alipanahi說。 但許多這些蛋白序列會綁定到的挑剔。

DeepBind可以分析嘈雜的實驗數據來確定一組的DNA和RNA序列的蛋白質將綁定。 然后,它可以看看一個新的序列,計算可能性有多大,這些蛋白質綁定到它。 給定一個序列突變,該工具可以分析是否綁定更改。 蛋白質結合位點突變,添加或刪除可以改變基因表達模式和導致疾病。

Frey高級研究員在這兩個基因在神經網絡和程序中的程序計算和自適應感知,說,“DeepBind是一系列技術的一個例子,我們開發了通過結合深度學習和基因組生物學方面的專長。 我相信,這些技術將徹底改變衛生保健和精密的醫學。 他們是游戲變革者。”

弗雷的組織發展具有破壞性的機器學習技術來理解基因組了十多年。 就在去年,技術領導人像Facebook這樣的公司,谷歌同意的下一個“大事情”是在衛生保健和基因組醫學中的應用。 基于他們的成功在過去的十年中,弗雷的團隊完全同意。

DeepBind的第一個人類基因數據的分析,描述 自然生物技術 已經提供了新的信息中斷蛋白質綁定 突變 與癌癥、血友病和家庭hypercholesterolemia-a遺傳條件與高膽固醇有關。 系統還透露,一個基因突變導致大腦不正常發育的大腦皮層可能比此前認為的更加復雜。 具體來說,已知的刪除一個結合位點的突變被發現實際上同時刪除兩個結合位點。

DeepBind遵循的突破發展“人類拼接代碼”弗雷的集團合作CIFAR高級研究員斯蒂芬·謝勒(兒童醫院和多倫多大學)和蒂莫西·休斯(多倫多大學)。 他們的系統鑒定新基因可能與孤獨癥譜系障礙,世襲non-polyposis結腸癌、脊髓性肌肉萎縮癥通過識別基因剪接中的錯誤。 由于許多蛋白調節拼接,研究人員打算使用他們的見解從DeepBind改善人類拼接代碼。 新工具大大擴展了類型的突變分析啟動子和增強劑。

弗雷說,背后的概念DeepBind非常受CIFAR合作者是誰開發深度學習技術的最前沿。 “CIFAR建立研究網絡中起到了至關重要的作用,導致我們的突破 深度研究 和基因藥物,”弗雷說。