Los autores Mathias Wilhelm, Tobias Schmidt y Siegfried Gessulat. Crédito: Astrid Eckert/TUM.
La inteligencia artificial ofrece un análisis proteómico rápido y sin errores
30 de mayo de 2019 | Historia original de la Universidad Técnica de Múnich.
Con el uso de la inteligencia artificial, investigadores de la Universidad Técnica de Múnich (TUM) han logrado realizar el análisis masivo de proteínas de cualquier organismo significativamente más rápido que antes y casi libre de errores. Este nuevo enfoque provocará un cambio considerable en el campo de la proteómica, ya que puede aplicarse tanto en la investigación básica como en la clínica.
El genoma de cualquier organismo contiene los planos de miles de proteínas que controlan casi todas las funciones de la vida. Las proteínas defectuosas conducen a enfermedades graves, como el cáncer, la diabetes o la demencia. Por lo tanto, las proteínas son también los objetivos más importantes para las drogas.
Para comprender mejor los procesos y las enfermedades de los seres vivos y desarrollar las terapias más apropiadas, es necesario que se analicen simultáneamente tantas proteínas como sea posible. En la actualidad, se utiliza la espectrometría de masas para determinar el tipo y la cantidad de proteínas en un sistema biológico. Sin embargo, los métodos actuales de análisis de datos continúan produciendo muchos errores.
Un equipo de la Universidad técnica de Múnich, liderado por el científico Bioinformático Mathias Wilhelm y el bioquímico Bernhard Küster, profesor de proteómica y bioanalítica en la Universidad técnica de Múnich, ha conseguido utilizar los datos proteómicos para entrenar una red neuronal que es capaz de reconocer las proteínas mucho más rápidamente y casi sin errores. Sus hallazgos se publican en el journal Nature Methods.
Una solución a un problema grave
Los espectrómetros de masas no miden las proteínas directamente. Analizan partes más pequeñas que consisten en secuencias de aminoácidos con hasta 30 bloques de construcción. Los espectros medidos de estas cadenas se comparan con las bases de datos con el fin de asignarlas a una proteína específica. Sin embargo, el software de evaluación sólo puede utilizar parte de la información que contienen los espectros. Por lo tanto, ciertas proteínas no se reconocen o se reconocen incorrectamente.
“Este es un grave problema”, explica Küster. La red neuronal desarrollada por el equipo de TUM utiliza toda la información de los espectros para el proceso de identificación. “Perdemos menos proteínas y tenemos 100 veces menos errores", dijo Bernhard Küster.
Aplicable a todos los organismos
“Prosit”, como los investigadores llaman al software de IA, es “aplicable a todos los organismos del mundo, incluso si sus proteomas nunca han sido examinados antes”, explica Mathias Wilhelm. “Esto permite investigaciones que antes eran inconcebibles.”
Con la ayuda de 100 millones espectros de masas, el algoritmo ha sido tan ampliamente entrenado que puede ser utilizado para todos los espectrómetros de masas comunes sin ningún entrenamiento adicional. “Nuestro sistema es el líder mundial en este campo”, dice Küster.
Un mercado que vale miles de millones
Las clínicas, las empresas de biotecnología, las empresas farmacéuticas y los institutos de investigación utilizan dispositivos de alto rendimiento de este tipo; el mercado ya vale miles de millones. Con “Prosit”, será posible desarrollar instrumentos aún más poderosos en el futuro. Los investigadores y los médicos también serán capaces de buscar más rápidamente,mejores biomarcadores en la sangre o la orina de los pacientes, o monitorear las terapias para su efectividad.
Los investigadores también tienen grandes esperanzas en su desempeño en la investigación básica. “El método se puede utilizar para rastrear nuevos mecanismos regulatorios en las células”, dijo Küster. “Esperamos obtener una cantidad considerable de conocimientos, qué, a mediano y largo plazo, se reflejarán en el tratamiento de las enfermedades sufridas por los seres humanos, los animales y las plantas.”
Wilhelm también espera que “los métodos como Prosit pronto cambiarán el campo de la proteómica, ya que pueden ser utilizados en casi todas las áreas de la investigación de proteínas”.
Referencia
“Prosit: Proteome-Wide Prediction of Peptide Tandem Mass Spectra by Deep Learning | Nature Methods.” Accessed May 30, 2019. https://www.nature.com/articles/s41592-019-0426-7.
