स्पॉटिंग में नया मशीन-लर्निंग दृष्टिकोण बेहतर है

English हिन्दी മലയാളം मराठी தமிழ் తెలుగు

स्पॉटिंग में नया मशीन-लर्निंग दृष्टिकोण बेहतर है

कैनसस विश्वविद्यालय में आण्विक बायोसाइंस और कम्प्यूटेशनल बायोलॉजी के सहयोगी प्रोफेसर जोआना स्लुस्की उस प्रयोगशाला का नेतृत्व करते हैं जहां मशीन सीखने से प्रोटीन में एंजाइमेटिक और गैर-एंजाइमी धातुओं की पहचान करने की सटीकता में सुधार होता है। क्रेडिट: मैग जीरा

पिछले सीजन में, कैनसस सिटी चीफ्स क्वार्टरबैक पैट्रिक महोम्स ने 66.3 पास-फिनिश प्रतिशत का दावा किया था।


लेकिन MAHOMES की सटीकता, या मेटलोप्रोटीन और एंजाइमेटिक साइटों की धातु गतिविधि, का नाम महोम के प्रभावशाली राज्य महलों, कान्सास विश्वविद्यालय में विकसित मशीन-लर्निंग मॉडल, और अनुमानी की तुलना में क्वार्टरबैक, और अन्य फार्मास्युटिकल- के सम्मान में रखा गया है। .

विशाल रिसीवरों को लक्षित करने के बजाय, MAHOMES 92.2% की सटीकता दर के साथ प्रोटीन में एंजाइमेटिक और गैर-एंजाइमी धातुओं के बीच अंतर करता है। केयू की एक टीम ने हाल ही में एंजाइमों को अलग करने के लिए इस मशीन-लर्निंग दृष्टिकोण पर परिणाम प्रकाशित किए। प्रकृति संचार.

“एंजाइम सुपर दिलचस्प प्रोटीन हैं जो सभी रसायन विज्ञान करते हैं – एक एंजाइम जो रासायनिक रूप से एक चीज से दूसरी चीज में परिवर्तन के लिए प्रतिक्रिया करता है,” संबंधित लेखक जोआना स्लास्की, आणविक जैव विज्ञान और केयू में कम्प्यूटेशनल जीव विज्ञान के एसोसिएट प्रोफेसर ने कहा। “जो कुछ भी आप अपने शरीर में लाते हैं, आपका शरीर उसे तोड़ता है और नई चीजों में बनाता है, और नई चीजें बनाने की प्रक्रिया – यह सब एंजाइमों के कारण होता है।”

अपनी प्रयोगशाला में, स्लास्की और स्नातक छात्र सहयोगी रयान फ़िहान (मुख्य प्रशंसक जिन्होंने उन्हें MAHOMES नाम दिया) और केयू के सेंटर फॉर कम्प्यूटेशनल बायोलॉजी के मेघन फ्रैंकलिन, एक मेटालोप्रोटीन जिसे रासायनिक प्रतिक्रियाओं की आवश्यकता नहीं होती है, और कंप्यूटर एंजाइमों के लिए मेटलोएंजाइम। ताकत के साथ रासायनिक प्रतिक्रियाओं को सरल करता है और दक्षता।

समस्या यह है कि मेटालोप्रोटीन और मेटालोएंजाइम कई मायनों में समान हैं।

“लोग ठीक से नहीं जानते कि एंजाइम कैसे काम करते हैं,” स्लास्की ने कहा। “किसी दिए गए एंजाइम के लिए आप कह सकते हैं, ‘ठीक है, आप जानते हैं, यह इस हाइड्रोजन को छोड़ता है और इसे -OH समूह पर रखता है,’ या जो कुछ भी करता है। ‘अंत कौन सा है? कौन सा पक्ष इस पर प्रतिक्रिया करता है?’? -तो उनका प्रोटीन धातु से जुड़ जाता है और फिर जो कुछ भी बदल रहा है वह सक्रिय स्थान पर आ जाता है और बदल जाता है। हमारे पास यह धातु-बाध्यकारी प्रोटीन और मेटलोएंजाइम हैं, जो एंजाइम हैं जो धातुओं को बांधते हैं, हमारे लिए एक जबरदस्त अवसर के रूप में क्योंकि मेरी प्रयोगशाला में दिलचस्पी है मशीन लर्निंग में जो एंजाइम साइटों को समान लेकिन गैर-एंजाइमी साइटों से अलग करने के लिए वास्तव में अच्छी तरह से काम कर सकता है।”

एक केयू स्नातक के रूप में, सह-अग्रणी लेखक फीहान ने एंजाइमैटिक और गैर-एंजाइमी मेटालोप्रोटीन साइटों के दुनिया के सबसे बड़े संरचनात्मक डेटासेट को संकलित करना शुरू किया – जो एक स्नातक छात्र के रूप में अपने पूरे करियर में जारी रहा। फिर उन्होंने जीथब पर अन्य शोधकर्ताओं के लिए डेटासेट को स्वतंत्र रूप से उपलब्ध कराया।

“संरचनात्मक जानकारी प्राप्त करना बहुत मुश्किल है,” स्लास्की ने कहा। “लेकिन अगर आप रुचि रखते हैं कि भौतिकी और रसायन शास्त्र क्या हैं, और वे अणु कहां हैं, और वे उस रिश्ते में क्या कर सकते हैं, तो आपको प्रोटीन संरचना की आवश्यकता होती है। एंजाइम साइट हैं, फिर गैर-एंजाइम साइटों का एक सेट प्राप्त करें जो बांधते हैं धातुओं के लिए – और यह जानते हुए कि वे एंजाइम नहीं हैं – और इसे एक बड़े संरचनात्मक डेटाबेस से खोदें।”

फ़िहान हजारों अद्वितीय सक्रिय और निष्क्रिय धातु बाध्यकारी साइटों को खोजने में सक्षम था, फिर दोनों के बीच अंतर करने के लिए मशीन-लर्निंग दृष्टिकोण का परीक्षण किया। इसे पूरा करने के लिए, फ़िहान और फ्रैंकली ने प्रोटीन में दरारों का पता लगाने के लिए कंप्यूटर-लर्निंग मॉडल (MAHOMES) को प्रशिक्षित किया और भविष्यवाणी की कि वे क्रैकिंग केमिस्ट्री कर सकते हैं (जिसका अर्थ है कि वे एंजाइम हैं)। भौतिक-रासायनिक विशेषताओं को देखते हुए, MAHOMES ने सक्रिय और निष्क्रिय साइटों को अलग करते हुए 92.2% सटीकता और 90.1% रिकॉल प्राप्त की।

स्लुस्की ने कहा कि जीवन रक्षक दवा उपचार और अन्य औद्योगिक औद्योगिक प्रक्रियाओं के उत्पादन के लिए एंजाइमों को अधिक उपयोगी बनाने के लिए दृष्टिकोण एक महत्वपूर्ण कदम हो सकता है। वास्तव में, केयू टीम द्वारा एक अग्रणी दृष्टिकोण भी क्रांति ला सकता है कि एंजाइमों को कैसे संश्लेषित किया जाता है।

“मुझे उम्मीद है कि यह सामान्य रूप से संश्लेषण को बदल देगा,” उसने कहा। “मुझे उम्मीद है कि कम पर्यावरणीय प्रभाव वाली सस्ती दवाएं बनाई जाएंगी। अभी, दवा कंपनियों के संश्लेषण का जबरदस्त पर्यावरणीय प्रभाव है, और यह अच्छा होगा यदि हम इसे कम कर सकें। लेकिन सामान्य रूप से हर उद्योग में संश्लेषण भी होता है। पेंट अगर आप चाहते हैं। बनाने के लिए, पेंट को संश्लेषण की आवश्यकता होती है। सब कुछ रसायनों से बना है – उदाहरण के लिए, वस्त्र। आप कपास की कटाई कर सकते हैं, लेकिन आखिरकार, आप उस कपास को बेचने से पहले उसे कुछ भौतिक गुण देने जा रहे हैं, और इसके लिए रसायनों की आवश्यकता होती है कि। हम एंजाइमों के माध्यम से संश्लेषित कर सकते हैं और कंपनियों के लिए एंजाइमों के माध्यम से संश्लेषित करना आसान बना सकते हैं, यह सस्ता होगा और यह हरा भरा होगा।”

स्लुस्की के अनुसार, मशीन-लर्निंग अनुसंधान तीन पंक्तियों में जारी रहेगा।

“सबसे पहले, हम मशीन-सीखने के दृष्टिकोण को थोड़ा बेहतर बनाने की कोशिश कर रहे हैं,” उसने कहा। “नंबर दो, हम इसके साथ एंजाइम बनाना शुरू कर रहे हैं। और नंबर तीन, हम एंजाइमों के लिए ऐसा करना चाहते हैं जो धातुओं को बांधते नहीं हैं। चालीस प्रतिशत धातु सभी एंजाइम सक्रिय साइटों से बंधे हैं। चलो एक और 60% करते हैं, लेकिन – और अन्य 60% के लिए सही तुलना सेट खोजना एक ऐसा प्रोजेक्ट है जिस पर एक अन्य स्नातक छात्र मेरी प्रयोगशाला में काम कर रहा है।”


एंजाइम विकास को समझना हरित रसायन विज्ञान का मार्ग प्रशस्त करता है


और जानकारी:
रयान फ़िहान एट अल, मशीन लर्निंग प्रोटीन में एंजाइमेटिक और गैर-एंजाइमी धातुओं को अलग करता है, प्रकृति संचार (२०२१)। डीओआई: 10.1038 / s41467-021-24070-3

कान्सास विश्वविद्यालय द्वारा प्रदान किया गया

गुणों का वर्ण – पत्र: प्रोटीन में एंजाइमी धातुओं का पता लगाने के लिए नया मशीन-लर्निंग दृष्टिकोण 9 सितंबर 2021 से बेहतर (2021, 8 सितंबर) https://phys.org/news/2021-09-machine-learning-approach-enzymatic-metals-proteins था। प्राप्त। .html

यह दस्तावेज कॉपीराइट के अधीन है। निजी अध्ययन या शोध के उद्देश्य के लिए किसी भी उचित अभ्यास को छोड़कर, लिखित अनुमति के बिना किसी भी भाग को पुन: प्रस्तुत नहीं किया जा सकता है। केवल सूचना के उद्देश्यों के लिए प्रदान की गई सामग्री।

Source by phys.org

%d bloggers like this: