SENASTE NYTT

- Nyheter inom industrivärlden

Artificiell intelligens hittar sjukdomsrelaterade gener

Artificiella neurala nätverk kan användas för att hitta mönster i stora mängder data
Ett artificiellt neuralt nätverk kan hitta mönster i stora mängder genuttrycksdata och upptäcka grupper av sjukdomsrelaterade gener. Detta enligt en ny studie ledd av forskare vid Linköpings universitet, som publiceras i Nature Communications. Forskarna hoppas att deras tillvägagångssätt på sikt ska kunna tillämpas inom precisionsmedicin och individanpassad behandling.

I sociala medier är det vanligt att den tekniska plattformen ger dig vänförslag. Förslaget grundas på att du och den andra personen har gemensamma kontakter, och kanske därför också känner varandra. På liknande sätt kartlägger forskare biologiska nätverk som baseras på hur olika proteiner eller gener interagerar med varandra. Forskarna bakom en ny studie har nu tagit artificiell intelligens, AI, till hjälp och undersökt om det går att hitta biologiska nätverk genom att använda djupinlärning, det vill säga träna upp så kallade djupa artificiella neurala nätverk. Eftersom artificiella neurala nätverk är mycket bra på att lära sig att hitta mönster i enorma mängder komplexa data används de bland annat inom bildigenkänning. Men än så länge är det ovanligt att denna maskininlärningsmetod används inom biologisk forskning.

– I studien har vi för första gången använt djupinlärning för att hitta sjukdomsrelaterade gener. Det är en mycket kraftfull metod för att analysera stora mängder biologisk information, så kallad big data, säger Sanjiv Dwivedi, postdoktor vid Institutionen för fysik, kemi och biologi (IFM) vid Linköpings universitet.

Forskarna använde en stor databas med information om hur 20 000 olika gener uttrycks hos en stor mängd människor.

Informationen var osorterad, på så sätt att forskarna inte talade om för det artificiella neurala nätverket vilka genuttryck som kom från personer med sjukdom, och vad som var kopplat till friska personer. Sedan tränades AI-modellen i att hitta mönster i genuttrycket.

En av utmaningarna med maskininlärning är att människan inte kan se exakt hur ett artificiellt neuralt nätverk löser en uppgift. AI beskrivs ibland som en ”svart låda” – vi ser bara informationen som vi stoppar in i ”lådan” och resultatet som kommer ut, men inte stegen däremellan. Artificiella neurala nätverk består av flera lager där informationen bearbetas matematiskt. Det finns ett inmatningslager, ett utdatalager som levererar resultatet av AI-systemets bearbetning av informationen, och däremellan ett antal dolda lager där en mängd beräkningar utförs. När forskarna hade tränat det artificiella neurala nätverket, undrade de därför om de så att säga kunde glänta på locket till ”svarta lådan” och förstå hur det fungerade. Fanns det likheter mellan det neurala nätverkets uppbyggnad och de biologiska nätverk som redan är kända?

– När vi analyserade vårt neurala nätverk visade det sig att det första dolda lagret i stor utsträckning representerade interaktioner mellan olika proteiner. I det tredje dolda lagret däremot, djupare in i modellen, återfinns grupper med olika celltyper. Det är väldigt intressant att den sortens biologiskt relevanta grupperingar kommer ut per automatik när vårt nätverk har utgått från oklassificerat genuttrycksdata, säger Mika Gustafsson, universitetslektor vid IFM, som har lett studien.

I nästa steg undersökte forskarna om deras modell av genuttryck kunde användas till att avgöra vilket genuttryck som är kopplat till sjukdom och vad som är normalt. De fann stöd för att modellen hittar mönster som är relevanta och stämmer bra med de biologiska mekanismerna i kroppen.

Eftersom modellen har tränats på oklassificerad data kan det
artificiella neurala nätverket också ha hittat mönster som är helt nya. Forskarnas nästa steg är att undersöka om även sådana, hittills okända mönster, är relevanta ur ett biologiskt perspektiv.

– Vi tror att nyckeln för att komma framåt i forskningen inom fältet är att förstå det neurala nätverket. Dels kan det lära oss nya saker om biologiska sammanhang, exempelvis sjukdomar där många faktorer samspelar. Men vi tror också att vårt tillvägagångssätt ger modeller som lättare kan generaliseras och användas på många olika typer av biologisk information, säger Mika Gustafsson.

Genom nära samarbete med forskare inom medicin hoppas Mika Gustafsson kunna göra tillvägagångssättet i studien tillämpbart inom precisionsmedicin, för att exempelvis gruppera vilken patient som bör få vilken medicin eller vem som har svårast sjukdom.

Studien har finansierats med stöd av Stiftelsen för strategisk forskning (SSF) och Vetenskapsrådet.

Artikeln: ”Deriving disease modules from the compressed transcriptional space embedded in a deep autoencoder”, Sanjiv K. Dwivedi, Andreas Tjärnberg, Jesper Tegnér och Mika Gustafsson, Nature Communications, publicerad online 12 februari 2020, doi: 10.1038/s41467-020-14666-6, https://www.nature.com/articles/s41467-020-14666-6

För mer information, kontakta gärna:
Mika Gustafsson, universitetslektor, mika.gustafsson@liu.se, 013-28 21 38

SENASTE NYTT

- Nyheter inom industrivärlden
2022-06-29
Stora framsteg i Svensk Plaståtervinnings hållbarhetsrapportEdethus väljer marknadens bästa paketlösningTele2 ansluter sig till AWS Partner Network
2022-06-28
Laserskärmaskinen har fått ett syskon! MCS lanserar en ny mobilapp Maskinkomponenter i Piteå, ännu en nöjd Edströms-kundFramtidens byggbransch är cirkulärEtt helhetsansvar för hydraulik och eldriftPlåtslagarens egna plåttak är något utöver det vanligaSchneider Electrics VD Jenny Larsson på kunglig delegationsresaDell utöker Inspiron-serien med lansering av nya modeller Välj rätt arbetspaltsbelysningTekniken som kan stoppa oönskade drönareSweco vinner två nya upp­drag för Norrbotniabanan
2022-06-27
Skyltmax lanserar taktila skyltar!Nu lanseras Zoom One Den friktionsfria framtiden är snart härKontokrediter istället för smslånNy säljorganisation för Vimek i NorgeMosaiken växer som aldrig förrRätt batteriteknik för att hålla bussarna igångHexicon skriver historiskt samarbetsavtal med fiskeindustrin
2022-06-24
Tre tips när du väljer industridammsugare
2022-06-23
Lars-Roland Svensson börjar hos Intercut som teknisk rådgivare ABB-teknik till världens första öppna infrastruktur Produktutveckling med plastkonstruktion som spetskompetensVA SYD väljer Enfo för automatisering och visualisering av dataIngen svetsning, bättre hygien för livsmedelThunder Laser Germany nu i Sverige!Flera nya framgångar hos AirForestryWatchItGolf siktar på proffstourerna med ny appCE-märkning och dörrautomatikerNorconsult förstärker elnätet mot NorrlandskustenSvensk kvalitetssäkring har fått internationell statusTricylon Robotics effektiv­iserar tillverkningsindustrinNya Peugeot 408 - den första av sin sortBatterilager vänder på natt och dag
2022-06-22
Nästa generations flexibla automation vid Automatica 2022Snabb, energisnål 3-ports magnetventil med utökat flödeSå mycket mer koldioxid frigörs av asiatisk nickelproduktionHenkel blir samarbets­partner till PorscheWallbox anställer ny nordisk marknadschefZaptec lanserar egen betaltjänst för elbilsladdningApoteas eltransporter började rulla igårRekordorder för Mared till skogskoncernen SödraVi kan bespara världen 30 miljoner ton koldioxidInflationen pressar svenska företagViktigt med en bra arbetsmiljö vid svetsningÄntligen blir Storvik IF tillgängligt för flerEnköping tripplar kapaciteten med nya lokalen
2022-06-21
Industrin minskar koldioxidutsläppenSchneider Electric lanserar ställverket RM AirSeTNCC får order om 200 000 ton asfalt i NorgeEtt år efter Sverige­lanseringen Fördelar med ISO 9001 Skövde Energi lanserar ny lösningFramtidens inlandsbana drivs av vätgasDynabook satsar på klient­teknik i smidigt formatGKN Aerospace och astronauten Jessica Meir på UniverseumNytt kriterium för nybyggda husSpill från Gävle värmer SandvikenHANZA fortsätter att utvecklas starkt under det andra kvartalet