Weronika Domczewska zdobyła nagrodę główną, a Marta Skowron wyróżnienie w konkursie na najlepszą pracę inżynierską lub licencjacką organizowanym przez Polskie Towarzystwo Bioinformatyczne. Nagradzane są w nim prace o tematyce związanej z biologią, biochemią, biofizyką, naukami medycznymi lub rolniczymi, które obejmują istotny element obliczeniowy.

Do tegorocznej edycji konkursu zgłoszono 14 prac. Komisja– złożona z naukowców z kilku polskich uczelni – oceniała poprawność sformułowania zagadnienia badanego w pracy i jego istotność, stopień i jakość rozwiązania tego zagadnienia, praktyczność osiągniętych wyników, walory informatyczne pracy, a także zwięzłość i jasność prezentacji, poprawność redakcyjną pracy oraz dotychczasowe upowszechnienie rezultatów.

Pierwszy krok do modelu wykrywającego ryzyko dysautonomii w urazowym uszkodzeniu mózgu

Za najlepszą uznano pracę Weroniki Domczewskiej obronioną na Wydziale Informatyki i Telekomunikacji PWr „Projekt i implementacja algorytmu do identyfikacji wzorców w biomedycznych szeregach czasowych i ich klasteryzacja u pacjentów z ostrym uszkodzeniem mózgu”. Promotorką studentki była dr inż. Agnieszka Uryga z Katedry Inżynierii Biomedycznej na Wydziale Podstawowych Problemów Techniki.

Praca stanowiła część projektu naukowego AUTOMATIC, realizowanego ze środków grantu "Sonata" Narodowego Centrum Nauki. Wsparciem medycznym projektu była dr n.med. Małgorzata Burzyńska, pracująca w Klinice Anestezjologii i Intensywnej Terapii Uniwersytetu Medycznego we Wrocławiu.

W swojej pracy Weronika zaproponowała algorytm grupowania, który sprawdzał zależność przebiegu sygnałów niosących informację o hemodynamice mózgowej i autonomicznym układzie nerwowym u pacjentów z urazowym uszkodzeniem mózgu w kontekście ryzyka dysautonomii oraz śmiertelności.

Dysautonomia to rodzaj neuropatii dotykający nerwy przenoszące informacje z mózgu i rdzenia kręgowego do serca, pęcherza moczowego, źrenic, gruczołów potowych i naczyń krwionośnych. Może objawiać się w różnej formie – np. poprzez problemy z trawieniem albo z utrzymaniem konkretniej pozycji ciała.

Autorka pracy skupiła się na przebiegu dwóch sygnałów – BRS, czyli czułości baroreceptorów tętniczych i ICP, czyli ciśnienia wewnątrzczaszkowego.

Zaproponowała dobranie optymalnego pod względem minimalizacji błędu średniokwadratowego modelu matematycznego z rodziny wielomianów ortogonalnych Czebyszewa. Następnie do algorytmów grupowania k-średnich oraz hierarchicznego przekazywała reprezentacje dobranych modeli matematycznych – wektorowe i liczbowe. Otrzymane grupy porównała z danymi o śmiertelności i prawdopodobieństwem wystąpienia dysautonomii u badanych pacjentów.

– Wykazałam, że występuje pewna zależność między reprezentacją wielomianową uśrednionego sygnału ICP oraz BRS  a prawdopodobieństwem wystąpienia dysautonomii – podkreśla Weronika.

Studentka zastrzega jednak, że dalsze analizy wymagałyby pogłębienia i pracy na większej liczbie danych (na przykład danych pochodzących z wieloośrodkowych badań). Mogłyby również objąć badania symulacyjne, które pozwoliłyby znaleźć optymalne dla modeli ortogonalnych parametry, a także próbę połączenia ze sobą informacji pochodzących z różnych rodzajów sygnałów. Dane pochodzące z algorytmu mogłyby również wspomóc prace nad modelem do zautomatyzowanego wykrywania ryzyka wystąpienia dysautonomii.

Model do projektowania peptydów

Jury zdecydowało także o przyznaniu wyróżnienia – również dla naszej studentki. Doceniono nim Martę Skowron, autorkę pracy „Projektowanie peptydów amyloidogennych z wykorzystaniem sieci neuronowych”. Jej promotorem był dr hab. inż. Witold Dyrka, także z Katedry Inżynierii Biomedycznej na Wydziale Podstawowych Problemów Techniki.

W swojej pracy Marta zajęła się zastosowaniem sztucznej inteligencji do projektowania peptydów amyloidowych.

Jak tłumaczy, projektowanie ich o ściśle określonych właściwościach pozwala kontrolować sposób ich agregacji i tworzenia struktur amyloidowych. – Dzięki temu możliwe jest projektowanie stabilnych, funkcjonalnych biomateriałów o przewidywalnych właściwościach – wyjaśnia. – W kontekście np. chorób neurodegeneracyjnych taka kontrola może (to na razie hipoteza) prowadzić do lepszego zrozumienia mechanizmów powstawania patologicznych amyloidów.

Amyloidy są białkami, które przyjmują nieprawidłowy układ przestrzenny i łączą się w stabilne, przeważnie nieaktywnie biologicznie struktury. Gromadzenie się takich białek w ludzkim organizmie prowadzi do patologii sprzyjających niektórym chorobom, m.in. chorobie Alzheimera, chorobie Parkinsona, cukrzycy typu II, stwardnieniu rozsianemu czy niektórym nowotworom.

- Żeby peptyd potrafił się „złożyć” w strukturę amyloidu, musi mieć odpowiednie cechy fizykochemiczne. Chcemy te cechy modyfikować, żeby świadomie projektować peptydy, które z jednej strony będą w stanie tworzyć stabilne struktury amyloidowe (czyli będą „działać” jak amyloidy), a z drugiej będą bezpieczniejsze, bardziej funkcjonalne lub dostosowane do konkretnego zastosowania, np. jako biomateriał – tłumaczy autorka pracy. – To trudne zadanie, bo żeby skutecznie kontrolować takie procesy, trzeba je najpierw dobrze zrozumieć, a jednocześnie, poprzez ich kontrolowanie, mamy nadzieję lepiej je poznać.

Jak dodaje Marta, choć to jeszcze odległa perspektywa, rozwijanie narzędzi do projektowania peptydów amyloidowych tak, aby możliwe było modyfikowanie ich sekwencji w sposób kontrolowany, może nas przybliżyć do odpowiedzi na kluczowe pytania związane z tymi chorobami neurodegeneracyjnymi.

W swojej pracy studentka zaproponowała autorski model do modyfikacji sekwencji peptydowych, rozszerzając pretrenowany model językowy ProtBERT o warstwę dodatkowych cech fizykochemicznych. Przeprowadziła też serię eksperymentów oceniających skuteczność tego modelu. Wykorzystała różnorodne metryki ewaluacyjne, które pozwoliły na dokładną analizę generowanych sekwencji.

- Eksperymenty, które przeprowadziłam, mimo pewnych ograniczeń, stanowią solidną podstawę do dalszego rozwoju narzędzia. Wyniki potwierdzają potencjał zastosowania sieci neuronowych opartych na architekturze transformera do predykcji właściwości peptydów amyloidogennych. Niezbędne są jednak dalsze prace nad optymalizacją modelu i zróżnicowaniem zbiorów danych – podkreśla autorka.

Obie autorki nagrodzonych prac inżynierskich są nadal studentkami Politechniki Wrocławskiej. Obecnie studiują na kierunku zaufane systemy sztucznej inteligencji na Wydziale Informatyki i Telekomunikacji.

lucy