Naukowcy wykorzystują sztuczną inteligencję do przewidywania mutacji chorobowych, które występują w tzw. metaloproteinach.
W ostatnich latach sztuczna inteligencja stała się kluczowym elementem w zaawansowanych technologicznie obszarach, takich jak projektowanie leków. Narzędzia związane z SI pomagają naukowcom odkryć tajemnice kryjące się za ogromnymi bazami danych biologicznych, usprawniają podejmowanie decyzji w zastosowaniach biologicznych i chemicznych czy odkrywanie nowych biomarkerów.
Teraz zespół badawczy wykorzystał tzw. deep learning do przewidywania mutacji związanych z chorobami w miejscach wiążących metal w białku. Jest to pierwsze podejście oparte na deep learningu w celu przewidywania mutacji w tzw. metaloproteinach.
Jony metali odgrywają kluczową rolę w fizjologii systemów biologicznych człowieka. Metale takie jak cynk, żelazo i miedź są niezbędne dla całego życia, a ich stężenie w komórkach musi być ściśle regulowane. Niedobór lub nadmiar tych fizjologicznych jonów metali może powodować poważne choroby u ludzi. Odkryto, że mutacje w ludzkim genomie są silnie związane z różnymi chorobami. Jeśli mutacje te wystąpią w obszarze kodowania DNA, mogą one zaburzyć miejsca wiązania metali w białkach i w konsekwencji zapoczątkować ciężkie choroby. Zrozumienie mutacji chorobowych w miejscach wiązania metali w białkach ułatwi odkrywanie nowych leków.
Przeglądając statystyki z zebranych danych, zespół stwierdził, że różne metale mają różne powiązania z chorobami. Mutacja w miejscach wiązania cynku odgrywa ważną rolę w chorobach piersi, wątroby, nerek, układu odpornościowego i prostaty. Natomiast mutacje w miejscach wiążących wapń i magnez są związane odpowiednio z chorobami układu mięśniowego i odpornościowego. W przypadku miejsc wiążących żelazo, mutacje są bardziej związane z chorobami metabolicznymi. Ponadto mutacje w miejscach wiążących mangan i miedź są związane z chorobami układu sercowo-naczyniowego, przy czym te ostatnie są również związane z chorobami układu nerwowego.
