Vetenskaplig artikel i Nature Methods: Predicting glycan structure from tandem mass spectrometry via deep learning
- Med den här AI-modellen närmar vi oss äntligen de nivåer av sekvensering som finns för andra biologiska sekvenser såsom DNA, RNA eller proteiner, säger Daniel.
Daniel är biträdande universitetslektor i bioinformatik på Institutionen för kemi och molekylärbiologi och fellow vid Wallenbergcentrum för molekylär och translationell medicin.
Genom masspektrometri kan glykaner, eller strukturer av sockermolekyler i våra celler, mätas. Ett viktigt användningsområde är att strukturerna kan indikera för olika former av cancer i cellerna. Analysen av datan kan dock för en människa ta allt från timmar till dagar för varje prov.
Translationell nytta
Med hjälp av AI-modellen kan nu analyser göras snabbare och även av forskare som inte har teknisk specialkunskap. För Daniel har det varit viktigt att göra systembiologi och glykomik mer tillgängligt för forskare inom livsvetenskaperna, och på så sätt skapa nytta även för den kliniska forskning.
- Den kliniska och translationella delen är särskilt viktigt eftersom huvudsyftet med mitt arbete i slutändan är att tillämpa teknologin på patientprover. Med enklare tillgång till dessa tekniker kan forskare som inte har specialkunskap inom glykomik nu inkludera glykaner i sin forskning. Detta är viktigt eftersom glykaner ofta spelar en betydande roll i nästan allt som händer i människokroppen, säger Daniel.