นักวิจัยจาก Regenstrief Institute และ Indiana, Purdue และ Tulane Universities ได้พัฒนาและทดสอบ MOGONET ซึ่งเป็นอัลกอริธึมการวิเคราะห์ข้อมูล multi-omics แบบใหม่และวิธีการคำนวณเพื่อใช้ประโยชน์จากความก้าวหน้าของเทคโนโลยี omics อย่างเต็มที่เพื่อให้เกิดความเข้าใจอย่างครอบคลุมยิ่งขึ้นเกี่ยวกับกระบวนการทางชีววิทยาที่เป็นสาเหตุของโรคในมนุษย์ . การรวมข้อมูลจาก omics ต่างๆ ทำให้เกิดมุมมองแบบองค์รวมมากขึ้นเกี่ยวกับกระบวนการทางชีววิทยาที่เป็นต้นเหตุของโรคของมนุษย์ ผู้สร้างได้สร้างโอเพ่นซอร์ส MOGONET ฟรีและเข้าถึงได้สำหรับนักวิจัยทุกคน

ในการศึกษาที่ตีพิมพ์ใน Nature Communications นักวิทยาศาสตร์ได้แสดงให้เห็นว่า MOGONET ย่อมาจาก Multi-Omics Graph cOnvolutional NETworks มีประสิทธิภาพเหนือกว่าวิธีการวิเคราะห์เชิงบูรณาการแบบ multi-omics ที่มีอยู่ภายใต้การดูแลของแอปพลิเคชันการจำแนกทางชีวการแพทย์ต่างๆ โดยใช้ข้อมูลการแสดงออกของ mRNA ข้อมูลเมทิลเลชันของ DNA และข้อมูลการแสดงออกของ microRNA .

พวกเขายังระบุด้วยว่า MOGONET สามารถระบุลายเซ็น omics และ biomarkers ที่สำคัญจากประเภทข้อมูล omics ที่แตกต่างกัน

"ด้วย MOGONET เครื่องมือ AI [ปัญญาประดิษฐ์] ใหม่ของเรา เราใช้การเรียนรู้ของเครื่องโดยอาศัยโครงข่ายประสาทเทียม เพื่อจับภาพความสัมพันธ์ของกระบวนการทางชีววิทยาที่ซับซ้อน เราได้ทำความเข้าใจเกี่ยวกับ omics ให้ครอบคลุมมากขึ้น และยังได้เรียนรู้เพิ่มเติมเกี่ยวกับโรคชนิดย่อยที่ biomarkers ช่วย เราสร้างความแตกต่าง” Kun Huang นักวิทยาศาสตร์จากสถาบัน Regenstrief Institute Research Scientist Kun Huang ซึ่งเป็นผู้นำการศึกษากล่าว "เป้าหมายสูงสุดคือการปรับปรุงการพยากรณ์โรคและเพิ่มการคาดการณ์ผลของโรค" ในฐานะนักชีวสารสนเทศ เขาให้เครดิตกับความหลากหลายของกลุ่มวิจัย MOGONET ซึ่งรวมถึงนักวิทยาศาสตร์คอมพิวเตอร์ นักวิทยาศาสตร์ข้อมูล และนักชีวสารสนเทศ ด้วยมุมมองที่แตกต่างกันของพวกเขา เป็นเครื่องมือในการพัฒนาและความสำเร็จ เขาทำหน้าที่เป็นผู้อำนวยการด้านวิทยาศาสตร์ข้อมูลและสารสนเทศของโครงการ Precision Health Initiative ของมหาวิทยาลัยอินเดียน่า

นักวิจัยได้ทดสอบ MOGONET กับชุดข้อมูลที่เกี่ยวข้องกับโรคอัลไซเมอร์ มะเร็งไกลโอมา มะเร็งไต และมะเร็งเต้านม รวมถึงชุดข้อมูลผู้ป่วยที่มีสุขภาพดี พวกเขาพิจารณาว่า MOGONET มีประสิทธิภาพเหนือกว่าวิธีการรวม multi-omics ที่มีการควบคุมดูแลที่มีอยู่อย่างคล่องแคล่ว

"การเรียนรู้และบูรณาการการรับรู้โดยสัญชาตญาณ MOGONET สามารถสร้างผู้สมัครโรค biomarker ใหม่ได้" นักวิจัยร่วม Regenstrief Institute ในเครือนักวิทยาศาสตร์ Jie Zhang, PhD, นักชีวสารสนเทศกล่าว "MOGONET ยังสามารถทำนายชนิดย่อยของมะเร็งใหม่ ระดับของเนื้องอก และความก้าวหน้าของโรค มันสามารถระบุการทำงานของสมองปกติกับโรคอัลไซเมอร์"

ดร. Huang และ Zhang วางแผนที่จะขยายงานนี้นอกเหนือจาก omics เพื่อรวมข้อมูลการถ่ายภาพ โดยสังเกตจากภาพสมองจำนวนมากสำหรับ AD และภาพพยาธิวิทยาที่เกี่ยวข้องกับมะเร็ง ซึ่งสามารถสอน MOGONET ให้รู้จักแม้กระทั่งกรณีที่ไม่เคยพบมาก่อน นักวิทยาศาสตร์ทั้งสองสังเกตว่าหลังจากการศึกษาทางคลินิกอย่างเข้มงวด MOGONET สามารถสนับสนุนการดูแลผู้ป่วยที่ดีขึ้นในหลายพื้นที่

นอกจาก ดร. Huang และ Zhang ผู้เขียน "MOGONET รวมข้อมูล multi-omics โดยใช้เครือข่ายกราฟ convolutional ช่วยให้สามารถจำแนกผู้ป่วยและระบุตัว biomarker" ได้แก่ Tongxin Wang, PhD และ Haixu Tang, PhD, Indiana University, Wei Shao, PhD, ของ IU School of Medicine ; Zhi Huang จาก IU School of Medicine และ Purdue University; และเจิ้งหมิงติง ปริญญาเอกมหาวิทยาลัยทูเลน Dr. Wang ทำงานในห้องปฏิบัติการของ Dr. Huang ดร.ติง เดิมชื่อมหาวิทยาลัยอินเดียน่า เป็นผู้เชี่ยวชาญในด้านการเรียนรู้ของเครื่องบาคาร่า สมัครบาคาร่า