人工智能发现疾病相关基因

人工神经网络可以揭示大量基因表达数据中的模式，并发现与疾病相关的基因群体。 由林克平大学的研究人员领导的一项新研究表明了这一点，该研究发表在《自然通讯》上。 科学家们希望该方法最终能应用于精密医学和个体化治疗中。

当使用社交媒体时，平台建议你可能想添加的人作为朋友是很常见的。 这个建议是基于你和另一个有共同联系的人，这表明你可能认识对方。 以类似的方式，科学家们正在根据不同的蛋白质或基因如何相互作用来绘制生物网络地图。 一项新研究的背后的研究人员使用人工智能人工智能来研究是否有可能利用深度学习来发现生物网络，其中被称为“人工神经网络”的实体是通过实验数据来训练的。 由于人工神经网络在学习如何在大量复杂数据中找到模式方面非常出色，因此它们被用于图像识别等应用。 然而，这种机器学习方法到目前为止很少用于生物研究。

“我们第一次使用深度学习来寻找与疾病相关的基因。 林克平大学物理、化学和生物学系博士后SanjivDwivedi说：“这是一种非常强大的方法来分析大量的生物信息或大数据。

科学家们使用了一个大型数据库，其中包含了大量人中20，000个基因的表达模式的信息。 这些信息是“未分类的”，也就是说，研究人员没有给出人工神经网络信息，说明哪些基因表达模式来自患有疾病的人，哪些来自健康的人。 然后对人工智能模型进行训练，以找到基因表达的模式。

机器学习的挑战之一是不可能确切地看到人工神经网络是如何解决一项任务的。 人工智能有时被描述为一个“黑匣子”-我们只看到我们放进盒子里的信息和它产生的结果。 我们看不到两者之间的步骤。 人工神经网络由几层组成，其中信息是数学处理的。 网络包括输入层和输出层，输出层提供系统进行的信息处理的结果。 在这两层之间是进行计算的几个隐藏层。 当科学家们训练人工神经网络时，他们想知道是否有可能以一种说话的方式揭开黑匣子的盖子，并了解它是如何工作的。 神经网络和熟悉的生物网络的设计是否相似？

当我们分析我们的神经网络时，发现第一个隐藏层在很大程度上代表了各种蛋白质之间的相互作用。 在模型中更深，相反，在第三个层次上，我们发现了不同细胞类型的组。 这是非常有趣的，这种类型的生物相关分组是自动产生的，因为我们的网络已经从未分类的基因表达数据开始，”MikaGustafsson说，IFM的高级讲师和研究负责人。

然后，科学家们研究了他们的基因表达模型是否可以用来确定哪些基因表达模式与疾病相关，哪些是正常的。 他们证实，该模型发现了与体内生物机制很好地吻合的相关模式。 由于模型是使用未分类数据进行训练的，因此人工神经网络有可能找到全新的模式。 研究人员现在计划从生物学的角度来研究这种先前未知的模式是否相关。

“我们认为，该领域取得进展的关键是了解神经网络。 这可以教我们关于生物背景的新东西，比如许多因素相互作用的疾病。 我们认为，我们的方法提供了更容易概括的模型，可以用于许多不同类型的生物信息，“Mika Gustafsson说。

Mika Gustafsson希望，与医学研究人员的密切合作将使他能够将研究中开发的方法应用于精确医学。 例如，可以确定哪一组患者应接受某种类型的药物，或确定受影响最严重的患者。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！