DeepBind预测蛋白质绑定,发现致病突变

一个名为DeepBind使用的新工具来分析蛋白质与DNA和RNA结合,如何让它检测到突变,可能会扰乱细胞过程和引起疾病。

CIFAR高级研究员丹弗雷(多伦多大学),监督作者Babak Alipanahi Andrew Delong和发达的方法使用深学习——一个机器学习技术开创CIFAR家伙的神经计算与自适应感知项目和现在使用的谷歌和Facebook等公司。

成千上万的蛋白质在人类细胞附着于DNA和RNA和调节基因的表达。 :“他们的主控制器单元Alipanahi说。 但许多这些蛋白序列会绑定到的挑剔。

DeepBind可以分析嘈杂的实验数据来确定一组的DNA和RNA序列的蛋白质将绑定。 然后,它可以看看一个新的序列,计算可能性有多大,这些蛋白质绑定到它。 给定一个序列突变,该工具可以分析是否绑定更改。 蛋白质结合位点突变,添加或删除可以改变基因表达模式和导致疾病。

Frey高级研究员在这两个基因在神经网络和程序中的程序计算和自适应感知,说,“DeepBind是一系列技术的一个例子,我们开发了通过结合深度学习和基因组生物学方面的专长。 我相信,这些技术将彻底改变卫生保健和精密的医学。 他们是游戏变革者。”

弗雷的组织发展具有破坏性的机器学习技术来理解基因组了十多年。 就在去年,技术领导人像Facebook这样的公司,谷歌同意的下一个“大事情”是在卫生保健和基因组医学中的应用。 基于他们的成功在过去的十年中,弗雷的团队完全同意。

DeepBind的第一个人类基因数据的分析,描述 自然生物技术 已经提供了新的信息中断蛋白质绑定 突变 与癌症、血友病和家庭hypercholesterolemia-a遗传条件与高胆固醇有关。 系统还透露,一个基因突变导致大脑不正常发育的大脑皮层可能比此前认为的更加复杂。 具体来说,已知的删除一个结合位点的突变被发现实际上同时删除两个结合位点。

DeepBind遵循的突破发展“人类拼接代码”弗雷的集团合作CIFAR高级研究员斯蒂芬·谢勒(儿童医院和多伦多大学)和蒂莫西·休斯(多伦多大学)。 他们的系统鉴定新基因可能与孤独症谱系障碍,世袭non-polyposis结肠癌、脊髓性肌肉萎缩症通过识别基因剪接中的错误。 由于许多蛋白调节拼接,研究人员打算使用他们的见解从DeepBind改善人类拼接代码。 新工具大大扩展了类型的突变分析启动子和增强剂。

弗雷说,背后的概念DeepBind非常受CIFAR合作者是谁开发深度学习技术的最前沿。 “CIFAR建立研究网络中起到了至关重要的作用,导致我们的突破 深度研究 和基因药物,”弗雷说。