Forskare vid University of Waterloo har utvecklat ett nytt system som avsevärt skulle kunna påskynda upptäckten av nya läkemedel och minska behovet av dyra och tidskrävande laboratorietester.

Den nya tekniken som kallas Pattern to Knowledge (P2K) kan förutsäga bindningen av biosekvenser på några sekunder och potentiellt minska flaskhalsar i läkemedelsforskning.

P2K använder artificiell intelligens (AI) för att utnyttja djup kunskap från data istället för att enbart förlita sig på klassisk maskininlärning.

"P2K är en game changer med tanke på dess förmåga att avslöja subtila proteinassociationer intrasslade i komplexa fysiokemiska miljöer och kraftfullt förutsäga interaktioner endast baserat på sekvensdata, sa Andrew Wong, professor, Systemdesign Engineering, och grundare, Centrum för mönsteranalys och maskinintelligens (CPAMI). "Förmågan att få tillgång till denna djupa kunskap från beprövade vetenskapliga resultat kommer att förändra biologisk forskning framåt. P2K har kraften att förändra hur data kan användas i framtiden."

Även om en stor mängd biologiska sekvensdata har samlats in, att utvinna meningsfull och användbar kunskap har inte varit lätt. P2K-algoritmer tacklar denna utmaning genom att lösa upp flera associationer för att identifiera och förutsäga aminosyrabindningar som styr proteininteraktioner. Eftersom P2K är mycket snabbare än befintlig biosekvensanalysprogramvara med nästan 30 procent bättre prediktionsnoggrannhet, det kan avsevärt påskynda upptäckten av nya läkemedel. Genom att hämta information från databaser i molnet, P2K kunde förutsäga hur tumörproteiner och potentiella cancerbehandlingar skulle interagera.

Även om det fortfarande var i det tidiga prototypstadiet, Professor Wong och hans team har gjort online-P2K-systemet tillgängligt offentligt för forskare för att börja identifiera nya biosekvensinteraktioner.

"Att lägga denna AI-teknik i händerna på biomedicinska forskare kommer att generera omedelbara resultat, som skulle kunna användas för framtida vetenskapliga upptäckter, sade Antonio Sze-To, forskningsassistent, Systemdesign Engineering, och meduppfinnare av P2K.

Eftersom den analyserar sekventiell data, tillämpligheten av P2K är inte begränsad till biomedicinsk forskning. P2K kan gynna finansbranschen genom att göra användbara associationer och förutsägelser för smart handel eller cybersäkerhetssektorn genom att förutsäga sannolikheten för en potentiell cyberattack.

Forskningsdokumentet, "Pattern to Knowledge:Deep Knowledge-Directed Machine Learning for Residue-Residue Interaction Prediction" publicerades nyligen i Nature's Vetenskapliga rapporter .