Forskare utvecklar AI-verktyg för att förutsäga proteinuttryck i vävnader
Forskare har utvecklat STProtein, ett ramverk som använder grafneurala nätverk för att förutsäga rumsligt proteinuttryck från mer lättillgänglig spatial transkriptomik-data. Verktyget syftar till att överbrygga bristen på spatial proteomik-data som begränsar biologisk forskning på grund av tekniska begränsningar och höga kostnader.
Djupdykning
Forskare har utvecklat STProtein, en AI-driven plattform som använder grafneurala nätverk för att förutsäga proteinuttryck i vävnader baserat på mer tillgänglig genuttrycksdata. Detta löser ett kritiskt problem inom biomedicinsk forskning där spatial proteomik-data är extremt kostsam och tekniskt utmanande att samla in, medan spatial transkriptomik är mer tillgänglig och prisvärd. Tekniken möjliggör för forskare att kartlägga proteiner i vävnader utan att behöva genomföra dyra och tidskrävande proteinanalyser, vilket dramatiskt kan accelerera upptäckter inom cancer-, utvecklingsbiologi och sjukdomsforskning. Genom att identifiera dolda spatiala mönster och kopplingar mellan gener och proteiner kan metoden öppna upp för nya terapeutiska mål och biomarkörer som tidigare varit otillgängliga. Nyckelinsikt: STProtein demokratiserar spatial proteomik-forskning genom att omvandla lättillgänglig gendata till värdefull proteininformation, vilket kan revolutionera hur vi förstår sjukdomar och utvecklar behandlingar.