Uutiset

Hakukone tunnistaa aineenvaihduntatuotteet aiempaa nopeammin ja tarkemmin

Koneoppimiseen perustuvalle menetelmälle voi löytyä sovelluksia muun muassa anti-dopingtyössä, tullin huumevalvonnassa ja rikospaikkatutkinnassa.

Prosenttiosuus hauista, joissa oikea tunnistus on ensimmäisten osumien (top10) joukossa. Aalto-yliopiston ja Jenan yliopiston menetelmä on kilpailevia menetelmiä selvästi tarkempi.
 

Aalto-yliopiston ja saksalaisen Jenan yliopiston tutkijat ovat kehittäneet CSI:FingerID-hakukoneen, joka tunnistaa aineenvaihduntatuotteet tandemmassaspektrometrimittauksista yli 150 prosenttia parasta kilpailijaansa tarkemmin ja voi näin helpottaa muun muassa bio- ja lääketieteen tutkijoiden työtä. Tutkimus julkaistiin äskettäin arvostetussa PNAS-lehdessä.  

Aineenvaihduntatuotteet ovat pieniä molekyylejä, kuten sokereita, rasvahappoja ja aminohappoja, jotka toimivat soluissa muun muassa energianlähteinä ja soluseinien rakennusaineina. Tutkijoille ne ovat ikään kuin jälkiä solujen toiminnasta ja tilasta.

Rakensimme tutkimuksessa koneoppimismetodeita hyödyntävän mallin, jonka ennustamia molekyylirakenteita voidaan käydä läpi samaan tapaan kuin Googlen hakukoneen hakutuloksia.

– Aineenvaihduntatuotteita on paljon, sadoistatuhansista miljooniin, ja ne kaikki näyttävät vähän samankaltaisilta. Rakensimme tutkimuksessa koneoppimismetodeita hyödyntävän mallin, jonka ennustamia molekyylirakenteita voidaan käydä läpi samaan tapaan kuin Googlen hakukoneen hakutuloksia, Aalto-yliopiston professori Juho Rousu selittää.

Molekyylin sormenjäljet

Tutkimuksessa käytetty tandemmassaspektrometri on laite, joka pilkkoo molekyylit palasiksi ja mittaa palasten massat ja suhteelliset osuudet eli massaspektrin. Aallon ja Jenan tutkijoiden menetelmässä kustakin opetusaineiston spektristä lasketaan ensin fragmentaatiopuu, joka kuvaa, mistä palasista pilkkoutumalla kukin molekyyliosanen on syntynyt. Tämän jälkeen tutkijat opettavat koneoppimismallia suurella määrällä fragmentaatiopuita ja kutakin puuta vastaavan molekyylin ominaisuuksia eli sormenjälkiä.  Kun mallille sitten annetaan uuden molekyylin spektri, se ennustaa sille todennäköiset sormenjäljet, joiden perusteella haetaan molekyylitietokannasta joukko parhaiten vastaavia molekyylejä.

Tällä hetkellä molekyylien tyypistä riippuen jopa 95 prosenttia hauista tuottaa oikean hakutuloksen 10 ensimmäisen osuman joukkoon. Tunnistamisen täsmällisyys paranee aineistoa kasvatettaessa. Tällä hetkellä mallin muodostamiseen on käytetty noin 6000 massaspektriä. Täydellisessä tilanteessa koneoppimiseen perustuva hakukone ehdottaisi aina ensimmäisenä osumana oikeaa molekyyliä, mutta se vaatii aineiston huomattavaa kasvattamista ja menetelmien kehittämistä.

Tutkimuksesta voi olla hyötyä erityisesti bio- ja lääketieteen tutkijoille. Tulevaisuuden mahdollisia sovellusalueita on esimerkiksi anti-dopingtyössä, tullin huumevalvonnassa ja rikospaikkatutkinnassa.

Tutkimus on tehty yhteistyössä Jenan yliopiston professori Sebastian Böckerin tutkimusryhmän kanssa, ja se on hyvä esimerkki Aalto-yliopiston tietotekniikkaan ja digitaalista terveyttä yhdistävästä tutkimuksesta.

Lisätietoja:

Professori Juho Rousu
Puh. 050 415 1702
[email protected]

Linkki artikkeliin http://www.pnas.org/content/early/2015/09/16/1509788112.abstract

 

  • Julkaistu:
  • Päivitetty:
Jaa
URL kopioitu

Lue lisää uutisia

Device
Tutkimus ja taide Julkaistu:

Koe yksielektronilähteillä osoittaa tien kohti uutta tehostandardia

Aalto-yliopiston tutkijat loivat menetelmän, jolla teho voidaan määritellä suhteessa taajuuteen.
Apulaisprofessori Juha Siitonen laboratoriossa, yllään laboratoriotakki, suojalasit ja -hanskat.
Nimitykset, Tutkimus ja taide Julkaistu:

Apulaisprofessori Juha Siitonen tiesi jo lapsena aikovansa kemistiksi

Filosofian tohtori Juha Siitonen aloitti vuoden 2022 alussa viiden vuoden määräaikaisessa apulaisprofessorin tehtävässä Kemian ja materiaalitieteen laitoksella. Professuurin ala on orgaaninen kemia.
Päivi Törmä ja Sebastiaan van Dijken
Mediatiedotteet, Tutkimus ja taide Julkaistu:

Tietokoneet haaskaavat valtavasti energiaa – nyt tutkijat kehittävät laskentaa, joka tuottaa huomattavasti vähemmän hukkalämpöä

Nykyiset tietokoneet ovat suuria energiasyöppöjä. Aalto-yliopiston tutkijat ovat juuri saaneet merkittävän Tulevaisuuden tekijät -rahoituksen ongelman ratkaisemiseksi.
The picture shows the School of Business in winter time and during sunset. The photo was taken by Mikko Raskinen from Aalto University.
Tutkimus ja taide Julkaistu:

Kaksinkertainen syy ottaa ilmastonmuutos vakavasti

Yritysten pitää ottaa ilmastovaikutuksensa tosissaan sekä kestävyyden että liiketoiminnan takia, sanoo vanhempi yliopistonlehtori Leena Lankoski.