Kunstmatige intelligentie en MEdische research

Onderzoekers hebben kunstmatige intelligentie (AI) gebruikt om bijna 6.000 voorheen onbekende soorten virussen te ontdekken. Het werk, gepresenteerd op 15 maart j.l. tijdens een bijeenkomst georganiseerd door de DOE (US Department of Energy), illustreert een opkomend hulpmiddel voor het onderzoeken van de enorme, grotendeels onbekende diversiteit van virussen op aarde.

Een van de researchers die heil ziet in deze ontwikkeling is Derya Unutmaz, die ook ME-research doet.

 

Hoewel virussen alles beïnvloeden, van menselijke gezondheid tot de afbraak van afval, zijn ze moeilijk te bestuderen. Wetenschappers kunnen de meeste virussen in het laboratorium niet kweken, en pogingen om hun genetische sequenties te identificeren worden vaak gedwarsboomd omdat hun genomen klein zijn en snel evolueren.

De afgelopen jaren hebben onderzoekers gejaagd op onbekende virussen door DNA te sequensen in monsters genomen uit verschillende omgevingen. Om de aanwezige microben te identificeren, zoeken onderzoekers naar de genetische kenmerken van bekende virussen en bacteriën – net zoals de functie ‘vinden’ van een tekstverwerker woorden accentueert die bepaalde letters in een document bevatten. Maar die methode faalt vaak, omdat virologen niet kunnen zoeken naar wat ze niet weten. Een vorm van AI genaamd mechanisch leren (machine learning) omzeilt dit probleem omdat het opkomende patronen kan vinden in bergen van informatie. Mechanisch geleerde algoritmen ontleden gegevens, leren van deze gegevens en classificeren vervolgens informatie autonoom.

“Vroeger hadden mensen geen methode om virussen goed te bestuderen,” zegt Jie Ren, een rekenkundig bioloog aan de University of Southern California in Los Angeles. “Maar nu hebben we de hulpmiddelen om ze te vinden.”

Voor de nieuwste studie heeft Simon Roux, een rekenkundig bioloog aan het DOE Joint Genome Institute (JGI) in Walnut Creek, Californië, computers ‘getraind’ om de genetische sequenties van virussen van een niet alledaagse familie, de inoviridae, te identificeren. Deze virussen leven in bacteriën en veranderen het gedrag van hun gastheer: ze maken bijvoorbeeld de bacteriën die cholera veroorzaken, Vibrio cholerae, meer toxisch. Maar Roux, die zijn werk presenteerde tijdens de bijeenkomst in San Francisco, Californië, georganiseerd door de JGI, schat dat minder dan 100 soorten waren geïdentificeerd voordat zijn onderzoek begon.

Roux presenteerde een algoritme voor machinaal leren met twee gegevensreeksen – een die 805 genoomsequenties van bekende Inoviridae bevat en een andere met ongeveer 2.000 sequenties van bacteriën en andere soorten virussen – zodat het algoritme manieren kon vinden om onderscheid te maken tussen hen.

Vervolgens voedde Roux het model met grote metagenome gegevenssets. De computer heeft meer dan 10.000 Inoviridae-genomen teruggevonden en ze geclusterd in groepen die een indicatie zijn voor verschillende soorten. De genetische variatie tussen sommige van deze groepen was zo groot dat Inoviridae waarschijnlijk veel families vormen, zei hij.

 

‘Viraal Leren’

In een hiervan los staande studie gebruikte Deyvid Amgarten, een bio-informaticus aan de universiteit van São Paulo in Brazilië mechanisch leren om virussen te vinden in composthopen in de dierentuin van de stad. Hij programmeerde zijn algoritme zo dat het zocht naar een paar onderscheidende kenmerken van virusgenomen, zoals de dichtheid van genen in DNA-strengen van een gegeven lengte. Na de training heeft de computer verschillende genomen teruggevonden die nieuw lijken te zijn, zegt Amgarten, die zijn resultaten op de JGI-bijeenkomst presenteerde. De laatste stap is om te ontdekken welke eiwitten door ie virussen worden geproduceerd en om te kijken of een van deze eiwitten de snelheid vergroot waarmee organische materie afbreekt. “We willen de efficiëntie van composteren verbeteren”, zegt hij.

Amgartens leidraad was een vorig jaar geïntrduceerd machineleren-tool van Ren’s team, VirFinder1. VirFinder1 is geprogrammeerd om combinaties van DNA-letters, zoals AT of CG, in DNA-strengen op te merken. Ren paste het algoritme toe op metagenomic monsters uit feces van gezonde mensen en mensen met levercirrose, een aandoening veroorzaakt door ziekten variërend van hepatitis tot chronisch alcoholisme. Toen de machine eenmaal groepen virussen in de monsters classificeerde, merkte het team dat bepaalde typen meer of minder gebruikelijk waren bij gezonde mensen in vergelijking met patiënten met cirrose, wat suggereert dat sommige virussen een rol kunnen spelen bij de ziekte.

Ren’s bevinding is heel verleidelijk: biomedische onderzoekers hebben zich lang afgevraagd of virussen bijdragen aan de symptomen van verschillende ongrijpbare aandoeningen, zoals chronisch vermoeidheidssyndroom (ook bekend als myalgische encefalomyelitis) en inflammatoire darmaandoening. Derya Unutmaz, een immunoloog aan het Jackson Laboratory for Genomic Medicine in Farmington, Connecticut, speculeert dat virussen een destructieve ontstekingsreactie kunnen veroorzaken – of ze kunnen het gedrag van bacteriën in iemands microbioom veranderen, wat op zijn beurt het metabolisme en het immuunsysteem zou kunnen destabiliseren.

mec-unutmaz

Met mechanisch leren, zegt Unutmaz, kunnen onderzoekers virussen die verborgen zijn gebleven identificeren bij patiënten. Omdat kunstmatige intelligentie de mogelijkheid heeft om patronen te vinden in enorme gegevenssets, zegt hij, kan de aanpak verder gegevens over virussen aan bacteriën koppelen en vervolgens aan eiwitveranderingen bij mensen met symptomen. Unutmaz zegt: “Mechanisch leren kan kennis onthullen die nog niet eens in ons opkwam”.

Nature, 19 maart 2018

vertaling en bewerking: ME Centraal

 

 

Advertenties

Geef een reactie

Vul je gegevens in of klik op een icoon om in te loggen.

WordPress.com logo

Je reageert onder je WordPress.com account. Log uit /  Bijwerken )

Google+ photo

Je reageert onder je Google+ account. Log uit /  Bijwerken )

Twitter-afbeelding

Je reageert onder je Twitter account. Log uit /  Bijwerken )

Facebook foto

Je reageert onder je Facebook account. Log uit /  Bijwerken )

Verbinden met %s