ai发现疾病相关的基因

人工神经网络非常高兴地学习如何找到巨大数量复杂数据的模式。

来源:metamorworks

使用时很常见社交媒体该平台表明您可能想要添加为朋友的人。该建议是基于您和另一个具有共同联系人的人，这表明您可能相互了解。以类似的方式，科学家基于不同的蛋白质或基因彼此相互作用，创建生物网络的地图。一项新研究背后的研究人员使用了人工智能，AI，调查是否有可能使用的生物网络使用深度学习，其中被称为"人工神经网络都是由实验数据训练出来的。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表现出色，它们被用于图像识别等应用。然而，这种机器学习方法迄今为止很少在生物学研究中使用。

“我们第一次使用深入学习来寻找与疾病相关的基因。这是一个非常强大的方法在分析大量的生物信息或“大数据”中，Sanjiv Dwivedi，Lindöping大学物理学，化学和生物学（IFM）的博士德维德。

科学家们使用了一个大型数据库，其中包含有关大量人的表达模式的信息。这些信息是“未侵犯”，从感觉方面，研究人员没有给予人工神经网络信息，关于哪些基因表达模式来自患有疾病的人，哪些来自健康的人。然后培训AI模型以发现基因表达的模式。

其中一个挑战机器学习是不可能看到人工神经网络是如何解决任务的。人工智能有时被描述为一个“黑盒子”——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。人工神经网络由几个层次组成，在这些层次中信息被数学处理。该网络包括输入层和输出层，输出层传递系统所进行的信息处理的结果。在这两层之间有几个隐藏的层，在这些层中进行计算。当科学家们训练了人工神经网络后，他们想知道是否有可能，从某种意义上说，打开黑匣子的盖子，了解它是如何工作的。神经网络的设计和我们熟悉的生物网络相似吗?“当我们分析我们的神经网络事实证明，第一隐藏层表示在各种蛋白质之间的大程度相互作用。在该模型中更深入，相比之下，在第三级，我们发现了不同细胞类型的组。鉴于我们的网络从未分类的基因表达数据开始，这种类型的生物学相关分组是非常有趣的，因为IFM高级讲师Mika Gustafsson Mika Gustafsson说，这是自动产生的。

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有关，哪些是正常的。他们证实，该模型发现的相关模式与人体的生物机制非常吻合。由于模型使用非分类数据进行训练，人工神经网络可能发现了全新的模式。研究人员现在计划调查这种以前未知的模式是否与生物学观点有关。
“我们认为，该领域进展的关键是理解神经网络。这可以教导我们关于生物学背景的新事物，例如许多因素互动的疾病。我们认为我们的方法给出了更容易泛化的模型，并且可以用于许多不同类型的生物信息“，Mika Gustafsson说。