一种发现股票和股票之间隐藏联系的技术已被应用于发现和绘制蛋白质之间的联系。

该方法旨在通过自动更新有关基因，蛋白质和小分子的知识并发现新的相关性来加速生命科学研究。其中许多与疾病有关，可能成为新药的目标。

该技术使用称为“自然语言理解”的人工智能(AI)分支来扫描文档以查找概念之间的联系。在金融领域，它可以用来发现某些股票和股票之间的相关性以及它们如何随时间变化，允许公司在其他人意识到变化之前进行投资或剥离。

现在，伦敦帝国理工学院和Vector Space Biosciences的研究人员已将该技术应用于学术文献，提供了一种新方法来快速绘制有关蛋白质如何相互关联的不断变化的信息。

手动扫描文献以获取更新可能会花费研究人员的大量时间，并且大型数据库很快就会过时。这项新技术实时更新有关蛋白质关系的信息，确保研究人员使用最新信息。

该合作的第一个结果是一张地图，显示了两种蛋白质之间观察到的相关性随时间推移的演变，正在旧金山的生物物理学会年会上公布。

老化蛋白质

来自帝国理工学院生命科学系的Sarah Rouse博士对蛋白质如何通过一种叫做心磷脂的脂质分子相互作用特别感兴趣。心磷脂介导线粒体膜中蛋白质之间的相互作用 - 细胞的动力源。

众所周知，心磷脂在衰老以及与年龄相关的疾病中很重要，包括神经退行性疾病、心肌病(心脏相关疾病)和癌症。但只有了解心磷脂如何影响蛋白质的详细机制及其在衰老中的相关作用，研究人员才有希望设计出潜在的新药物分子来减缓任何退行性过程。

为此，研究人员需要有关蛋白质相互作用的最新信息。新的人工智能技术捕捉到了这一点，但也更进一步——通过在文献中寻找“隐藏”的关系。这些可能是蛋白质相互作用的方式，在任何研究论文中都没有明确说明，但人工智能可以通过分析语言来推断。

劳斯博士说：“苔藓生物学研究帮助我们了解身体在健康时在分子水平上做了什么，这可以引导我们了解疾病中出了什么问题。蛋白质在我们细胞的所有基本功能中发挥作用，因此绘制它们的相互作用以及其他哪些分子修饰这些相互作用非常重要。

“然而，这也是一个巨大的挑战。虽然有很多研究和数据正在产生，但它们如何组合在一起有时很难跟上。现在，通过Vector Space Biosciences开发的技术，我们已经能够简化这一过程并发现'隐藏的联系'——例如，如果没有研究人员拖网文献和手动建立联系，这些联系是无法建立的。

对于Rouse博士和她在帝国理工学院的团队来说，这种新的效率对于加速他们关于脂质如何特别修饰蛋白质连接的研究至关重要。脂质不是目前流行的药物靶标，但以这种方式研究它们的作用可以为一类全新的脂质药物开辟途径。

链接到太空飞行

矢量空间生物科学公司(VSB)对这项研究特别感兴趣，因为它与衰老有关，以及身体对太空飞行的反应，宇航员双胞胎研究显示，太空飞行会影响细胞中相同的衰老过程。

VSB于2000年代初开始从事空间生物科学，使用语言建模来检测人类衰老，染色体辐射损伤和乳腺癌背景下基因，蛋白质和药物化合物之间的隐藏关系网络。

然后，他们使用相同的方法来检测股票，加密货币和金融市场中全球事件之间的隐藏关系。VSB首席执行官Kasian Franks说：“我们很高兴能与帝国理工学院的Rouse实验室合作，因为他们的研究与我们的核心工作息息相关，即为压力源制定对策，以保护和修复太空飞行中的人体，造福全人类。

一直为该项目做出贡献的本科化学学生Kin Chao说：“我真的很享受与行业合作伙伴VSB合作的机会，作为多学科研究经验的一部分。