Nove publikacije
Model umetne inteligence izjemno hitro odkriva znake raka
Zadnji pregled: 02.07.2025
Vsa vsebina iLive je pregledana ali preverjena, da se zagotovi čim večja dejanska natančnost.
Imamo stroge smernice za pridobivanje virov in samo povezave do uglednih medijskih strani, akademskih raziskovalnih institucij in, kadar je to mogoče, medicinsko pregledanih študij. Upoštevajte, da so številke v oklepajih ([1], [2] itd.) Povezave, ki jih je mogoče klikniti na te študije.
Če menite, da je katera koli naša vsebina netočna, zastarela ali drugače vprašljiva, jo izberite in pritisnite Ctrl + Enter.
Raziskovalci na Univerzi v Göteborgu so razvili model umetne inteligence, ki izboljšuje potencial za odkrivanje raka z analizo sladkorja. Ta model umetne inteligence je hitrejši in boljši pri odkrivanju nepravilnosti kot trenutna polavtomatska metoda.
Glikane, strukture molekul sladkorja v naših celicah, je mogoče izmeriti z masno spektrometrijo. Te strukture lahko kažejo na različne oblike raka v celicah. Vendar pa morajo ljudje podatke iz masnega spektrometra skrbno analizirati, da določijo strukturo iz fragmentacije glikanov. Ta postopek lahko traja od nekaj ur do več dni za vsak vzorec in ga lahko z veliko natančnostjo izvede le majhno število strokovnjakov na svetu, saj gre v bistvu za detektivsko delo, ki se ga učimo skozi mnoga leta.
Avtomatizacija detektivskega dela
Ta postopek je ozko grlo pri uporabi analize glikanov, na primer za odkrivanje raka, kjer je treba analizirati veliko vzorcev. Raziskovalci z Univerze v Göteborgu so razvili model umetne inteligence za avtomatizacijo tega dela. Model umetne inteligence, imenovan Candycrunch, reši nalogo v le nekaj sekundah na test. Rezultati so bili objavljeni v znanstvenem članku v reviji Nature Methods.
Model umetne inteligence je bil usposobljen z uporabo baze podatkov z več kot 500.000 primeri različnih fragmentacij in povezanih struktur molekul sladkorja.
Novi biomarkerji
To pomeni, da bi model umetne inteligence lahko kmalu dosegel enako raven natančnosti kot sekvenciranje drugih bioloških zaporedij, kot so DNK, RNK ali beljakovine. S svojo hitrostjo in natančnostjo bi model lahko pospešil odkrivanje glikanskih biomarkerjev za diagnozo in prognozo raka.
"Verjamemo, da bo analiza glikanov postala pomembnejši del bioloških in kliničnih raziskav, zdaj ko smo avtomatizirali ozko grlo," pravi Daniel Boyar, izredni profesor bioinformatike na Univerzi v Göteborgu.
Model Candycrunch lahko identificira tudi strukture, ki jih ročna analiza zaradi nizkih koncentracij pogosto spregleda. Tako lahko model pomaga raziskovalcem najti nove glikanske biomarkerje.