Определение классов соединений с помощью машинного обучения
Метаболиты — это молекулы, которые образуются, потребляются и производятся всеми живыми организмами в процессе метаболизма. Они имеют огромное значение для жизни и являются ценным источником информации о состоянии организма или окружающей среды. Например, их можно использовать для диагностики заболеваний или анализа проб питьевой воды. Однако химическое разнообразие этих соединений затрудняет их изучение. На сегодня известны свойства лишь небольшой доли метаболитов. При лабораторном анализе пробы идентифицируется лишь относительно малая часть молекул, а большинство остаются неизвестными.
Биоинформатики из Йенского университета имени Фридриха Шиллера (Германия) совместно с коллегами из Финляндии и США разработали уникальный метод CANOPUS, позволяющий учитывать все метаболиты в образце, что значительно увеличивает объём получаемой информации. Результаты исследования опубликованы в журнале Nature Biotechnology.
Обучение, распознавание и определение структурных свойств
"Масс-спектрометрия, один из самых распространённых методов анализа метаболитов, идентифицирует только те молекулы, которые можно однозначно сопоставить с базой данных. Все остальные, ранее неизвестные молекулы в образце, не дают много информации", — объясняет профессор Себастьян Бекер из Йенского университета. — "С нашим новым методом CANOPUS мы получаем ценную информацию и о неидентифицированных метаболитах, поскольку можем отнести их к известным классам соединений".
CANOPUS работает в две фазы:
- Метод генерирует "молекулярный отпечаток" из спектра фрагментации, полученного методом масс-спектрометрии. Этот отпечаток содержит информацию о структурных свойствах измеренной молекулы.
- На основе молекулярного отпечатка метод относит метаболит к определённому классу соединений, без необходимости его точной идентификации.
Обучение на основе данных
"Методам машинного обучения обычно требуются огромные объёмы данных для обучения. Наш двухэтапный процесс позволяет на первом шаге обучаться на сравнительно небольшом наборе данных — десятках тысяч спектров фрагментации. Затем, на втором шаге, характерные структурные свойства, значимые для класса соединений, могут быть определены на основе миллионов структур", — поясняет доктор Кай Дюркоп из Йенского университета.
Таким образом, система выявляет эти структурные свойства в неизвестной молекуле из образца и относит её к конкретному классу соединений.
"Этой информации часто достаточно для ответа на многие важные вопросы, — подчёркивает Бекер. — Точная идентификация метаболита была бы гораздо сложнее и часто вообще не нужна".
Метод CANOPUS использует глубокую нейронную сеть, предсказывающую принадлежность к примерно 2500 классам соединений.
Усиление метаболомики и рост популярности платформы
С помощью CANOPUS исследователи сравнили, например, кишечную микрофлору мышей, одна группа которых получала антибиотики. Анализ показывает, какие метаболиты производит организм мыши и её микробиом. Такие результаты могут дать важную информацию о пищеварительной и метаболической системе человека. В своей статье учёные также представляют два других примера применения, демонстрирующих функциональность и возможности метода.
Новый метод расширяет возможности поисковой системы по молекулярным структурам "CSI:FingerID", которую команда из Йены предоставляет международному научному сообществу уже около пяти лет. Исследователи по всему миру используют этот сервис тысячи раз в день для сравнения масс-спектров из образцов с онлайн-базами данных.
"Мы приближаемся к стомиллионному запросу и уверены, что CANOPUS ещё больше увеличит число пользователей", — говорит Себастьян Бекер.
Новый процесс укрепляет позиции метаболомики — исследований этих повсеместно распространённых малых молекул — и увеличивает её потенциал во многих областях, например, в фармацевтике. Многие десятилетиями используемые активные фармацевтические вещества, такие как пенициллин, являются метаболитами; другие могут быть разработаны с их помощью.