/ News, Forschung, Medienmitteilung

Bessere Klassifizierung mithilfe von maschinellem Lernen

Zusammenfassene Graphik

Maschinelles Lernen beschleunigt die Klassifizierung von Entfaltungsmustern bei Proteinen. (Bild: V. Doffini, Departement Chemie, Universität Basel)

Forschende aus dem SNI-Netzwerk haben ein neues maschinelles Lernverfahren vorgestellt, das sie speziell entwickelt haben, um die Analyse der Proteinentfaltung anhand von Rasterkraftmikroskopie-Daten (AFM) zu verbessern. Das Team von Prof. Dr. Michael Nash (Universität Basel und ETH Zürich) veröffentlichte die Arbeit kürzlich in der Fachzeitschrift Nano Letters.

Die Methode zeichnet sich dadurch aus, dass das eingesetzte Programm die Daten wiederholt analysiert und so eine präzisere und effizientere Datenklassifizierung ermöglicht. "Ein wichtiger Aspekt dieses Ansatzes ist die Fähigkeit, Protein-Entfaltungswege zu erkennen, die zuvor unbemerkt waren. Das ermöglicht uns tiefere Einblicke in die Interaktion von Proteinen ", kommentiert Vanni Doffini, Doktorand der SNI-Doktorandenschule und Erstautor der Studie.

Die Anwendung der Methode auf Rasterkraftmikroskopie-Daten spielt eine besondere Rolle, da die Rasterkraftmikroskopie ein wichtiges Instrument zur Untersuchung der mechanischen Eigenschaften von Proteinen auf molekularer Ebene ist. Eine verbesserte Analyse der Daten verfeinert nicht nur die Untersuchung der Proteinentfaltung, sondern erweitert auch das Verständnis biologischer Systeme und zeigt die Synergie zwischen Computertechnologie und biophysikalischer Forschung auf.


Originalpublikation

Vanni Doffini, Haipei Liu, Zhaowei Liu, and Michael A. Nash
Nano Lett. 2023, 23, 22, 10406–10413, https://doi.org/10.1021/acs.nanolett.3c03026

Forschungsgruppe Prof. Michael Nash