Вычислительные решения для биологических задач

Группа компьютерного ученого Синь Гао в Университете науки и технологий им. Короля Абдаллы (KAUST) активно публикуется: с 1 января 2018 года вышло 27 статей, 11 из которых — в трёх ведущих журналах по вычислительной биологии, а 7 — представлены на главных конференциях по искусственному интеллекту и биоинформатике.

Группа сотрудничает с экспериментальными учёными, разрабатывая вычислительные методы для решения ключевых открытых проблем в биологии и медицине. Фокус исследований варьируется от анализа аминокислотных последовательностей белков до определения их 3D-структур, аннотирования функций и понимания их поведения в сложных биологических сетях.

Методологические и проблемно-ориентированные исследования

Одна треть исследований лаборатории методологически-ориентирована: разработка теорий, алгоритмов и методов машинного обучения. Пример — работа по улучшению неотрицательного матричного разложения (NMF), инструмента для уменьшения размерности и представления данных. Команда Гао разработала max-min distance NMF (MMDNMF), который эффективнее выделяет признаки высокого порядка в больших данных. Метод был протестирован на изображениях лиц 11 людей с разными выражениями (1024 признака на изображение) и показал более точную классификацию, чем традиционный NMF.

Успешная коллаборация: вычислительная биология и структурная биология

Ключевое сотрудничество — со структурным биологом Стефаном Арольдом. Совместно они создали вычислительный конвейер для репозиционирования лекарств, который помогает фармкомпаниям находить новые белковые мишени для уже одобренных препаратов.

  • Репозиционирование может сократить время разработки лекарства с 20 до 6 лет, а стоимость — с ~2 млрд до 300 млн долларов США.
  • По оценкам NIH, 70% препаратов на рынке потенциально могут быть репозиционированы для лечения других заболеваний.

Конвейер Гао интегрирует множественные источники информации о существующих лекарствах и их известных мишенях. При тестировании метод предсказал 10 ранее неизвестных белковых мишеней для кофермента А (CoA). Экспериментальная проверка Арольдом двух главных мишеней подтвердила предсказания. Метод сейчас патентуется в нескольких странах и может помочь также в понимании молекулярной основы токсичности и побочных эффектов лекарств.

Другие совместные проекты с Арольдом:

  1. Улучшение анализа данных электронной микроскопии: разработка методов снижения шума и повышения разрешения изображений сложных биомолекулярных частиц.
  2. Автоматизация интерпретации генетических вариантов и улучшение аннотирования функций генов.

Совершенствование существующих технологий

Другие исследования группы Гао включают:

  • DeepSimulator — вычислительный подход, моделирующий технологию генетического секвенирования Nanopore. Позволяет оценивать новое программное обеспечение и экономить ресурсы за счёт симуляций, сокращая необходимость в реальных экспериментах.
  • Gracob — метод для анализа генетической информации с целью определения, какие пути активируются в микроорганизмах при стрессе (изменение кислотности, температуры, воздействие антибиотиков). Помогает выявить гены, несущественные в нормальных условиях, но важные в условиях стресса.