Kaikki iLive-sisältö tarkistetaan lääketieteellisesti tai se tarkistetaan tosiasiallisen tarkkuuden varmistamiseksi.
Meillä on tiukat hankintaohjeet ja vain linkki hyvämaineisiin mediasivustoihin, akateemisiin tutkimuslaitoksiin ja mahdollisuuksien mukaan lääketieteellisesti vertaisarvioituihin tutkimuksiin. Huomaa, että suluissa ([1], [2] jne.) Olevat numerot ovat napsautettavia linkkejä näihin tutkimuksiin.
Jos sinusta tuntuu, että jokin sisältö on virheellinen, vanhentunut tai muuten kyseenalainen, valitse se ja paina Ctrl + Enter.
Tekoälymalli havaitsee syövän merkit ultranopeasti
Viimeksi tarkistettu: 02.07.2025
Göteborgin yliopiston tutkijat ovat kehittäneet tekoälymallin, joka parantaa syövän havaitsemisen mahdollisuuksia sokerianalyysin avulla. Tämä tekoälymalli on nopeampi ja parempi löytämään poikkeavuuksia kuin nykyinen puoliautomaattinen menetelmä.
Glykaanit, soluissamme olevien sokerimolekyylien rakenteet, voidaan mitata massaspektrometrialla. Nämä rakenteet voivat viitata erilaisiin syöpämuotoihin soluissa. Ihmisten on kuitenkin analysoitava massaspektrometrin tiedot huolellisesti, jotta glykaanin fragmentoitumisesta voidaan määrittää rakenne. Tämä prosessi voi kestää tunteja tai päiviä kunkin näytteen osalta, ja vain pieni joukko asiantuntijoita maailmassa voi tehdä sen suurella tarkkuudella, koska se on pohjimmiltaan vuosien varrella opittua salapoliisityötä.
Salapoliisityön automatisointi
Tämä prosessi on pullonkaula glykaanianalyysin käytössä esimerkiksi syövän havaitsemisessa, jossa on analysoitava useita näytteitä. Göteborgin yliopiston tutkijat ovat kehittäneet tekoälymallin tämän työn automatisoimiseksi. Candycrunch-niminen tekoälymalli ratkaisee tehtävän vain muutamassa sekunnissa testiä kohden. Tulokset julkaistiin tieteellisessä artikkelissa Nature Methods -lehdessä.
Tekoälymallia koulutettiin käyttämällä tietokantaa, joka sisälsi yli 500 000 esimerkkiä sokerimolekyylien erilaisista fragmentaatioista ja niihin liittyvistä rakenteista.
Uudet biomarkkerit
Tämä tarkoittaa, että tekoälymalli voisi pian saavuttaa saman tarkkuustason kuin muiden biologisten sekvenssien, kuten DNA:n, RNA:n tai proteiinien, sekvensointi. Nopeutensa ja tarkkuutensa ansiosta malli voisi nopeuttaa glykaanibiomarkkereiden löytämistä syövän diagnosointia ja ennustetta varten.
"Uskomme, että glykaanianalyysistä tulee merkittävämpi osa biologista ja kliinistä tutkimusta nyt, kun olemme automatisoineet pullonkaulan", sanoo Daniel Boyar, bioinformatiikan apulaisprofessori Göteborgin yliopistosta.
Candycrunch-malli pystyy myös tunnistamaan rakenteita, jotka jäävät usein manuaalisessa analyysissä huomaamatta niiden alhaisten pitoisuuksien vuoksi. Näin ollen malli voi auttaa tutkijoita löytämään uusia glykaanibiomarkkereita.