新机器学习工具可以发现许多不同的抗原免疫受体的反应

不同的疾病有不同的方法来测试如果一个人有这种疾病。immuneML机器学习,一个新的开源平台,可以寻找很多疾病只有一个血液样本。

“一旦你知道它是如何工作的一种疾病,它可以很容易让其他类型疾病的诊断工具,“Lonneke雅伯说。

“从血液样本,我们希望能够诊断一个人是否有疾病。在个人受体水平我们想看看,一个特定的受体是特定于电晕或别的东西,”米蕾说Pavlovic。

雅伯和Pavlovic博士研究员在奥斯陆大学的信息。他们是生物医学信息学研究集团的一部分,是指它们在其中发展出immuneML。

预测受体是否绑定到电晕

B和T细胞免疫系统都有小的表面受体。有几百万种不同的受体。

“受体有一定的三维形状,使他们能够坚持不同的抗原,“雅伯对Titan.uio.no说。

“如果我们分析这些受体使用机器学习,我们希望能够说出每一个特定的受体;什么具体的疾病,具体的病毒或细菌,甚至癌症和自身免疫,”Pavlovic说。

使用机器学习,他们需要3 d型受体转化为数学语言,数学表征。受体蛋白质,蛋白质在我们的DNA有自己的蓝图。

“然后我们看平线的小字母。这些DNA序列中我们得到的,我们可以将蛋白质序列的计算机。预测如果受体结合电晕与否,你真的只看文本的一部分,你想要预测这个文本的基础上,它绑定到电晕,”雅伯说。

免疫受体的曲目

雅伯和Pavlovic不仅仅是看个人的受体和抗原结合。他们也想要分析的整个集合受体有人在他们的身体,所谓自适应免疫受体曲目(AIRR)。

“什么是有趣的和独特的关于这个AIRR数据是它可能适用于很多不同的疾病。它是一个广义的方法。”

“这些体验非常多样化。这也是为什么他们很难分析,因为这些体验真的大量不同的免疫受体,也完全不同于人的人,”雅伯说。

他们的机器学习模型可以寻找模式在这些体验,使他们的预测。

“基本上,基于机器学习的模型做代表,是找到模式出现在表示,这将是有用的预测感兴趣的任务,“Pavlovic说。

“我们使用这个平台学习模式,结合蛋白,与腹腔疾病相关。如果有人对电晕的数据集,他们可以使用immuneML,”雅伯说。

开源平台

immuneML是一个开源平台。任何人都可以使用它。雅伯和Pavlovic教程不是程序员喜欢他们的人。

“immuneML的重点是人这种免疫学的工作空间数据和谁想找到什么样的机器学习方法最有效的数据集,”雅伯说。

“我们希望它能鼓励人们开发新工具,还将开放源码和共享研究社区,所以它可以提高我们理解免疫系统如何认识到疾病,”Pavlovic说。

非常有前途的到目前为止

我们了解免疫受体是迅速增加,但它是一个相当新的领域的研究。DNA分析背后的十年左右,地图的哪些部分遗传物质对各种疾病很重要。

“基因测试的主要限制是它只能告诉一个人患上某种疾病的风险,”教授说盖尔·Kjetil Sandve。

“免疫受体,另一方面,表明反应已经正在进行的疾病进程。他们不只是告诉你一种疾病的风险增加。他们可以告诉你,一个给定的疾病已经发展在你的身体,那你可能会注意到症状几年后,Titan.uio.no Sandve说。

他相信immuneML可能发挥重要作用的进一步发展领域机器学习者满足免疫学家。

“没有immuneML,机器学习世界各地的研究人员会花大量的时间开发自己的解决方案相同的许多基本问题,浪费时间和结束与完全不兼容的工具。如果字段是获得动力,我们必须能够有效地比较和整合思想组织。”

“我们已经看到,其他的研究小组使用immuneML,和几组说他们想要有自己的发展与我们的平台集成。到目前为止,看起来非常有前途,”Sandve说。