人力神经网站可行揭示大批基因表明数据中的形式，并发觉与疾病相干的基因团体。 由林克平大学的探讨人士领导的一项新探讨表达了这一丝，该探讨发表在《当然通讯》上。 科学家们期望该方法终归能利用于精密医学和个体化治疗中。

当运用社交媒体时，平台提议你可能想添加的人作为友人是很常见的。 这种提议是鉴于你和另一种有一同联系的人，这表达你可能认识对方。 以相似的形式，科学家们正好依据不同的蛋白质或基因如何相互效用来绘制生物网站地图。 一项新探讨的背后的探讨人士运用人力智人才工智能来探讨能否有可能应用深度学习来发觉生物网站，此中被称为“人力神经网站”的实体是经过实验数据来训练的。 源于人力神经网站在学习如何在大批繁杂数据中寻到形式方面十分出色，因而他们被用于图像辩别等利用。 然则，这类机器学习方法到日前为止很少用于生物探讨。

“咱们首次运用深度学习来寻觅与疾病相干的基因。 林克平大学物理、化学和生物学系博士后SanjivDwivedi说：“这是一个十分强盛的方法来剖析大批的生物消息或大数据。

科学家们运用了一种大型数据库，此中包涵了大批人中20，000个基因的表明形式的消息。 这点消息是“未分类的”，也便是说，探讨人士无给出人力神经网站消息，讲明哪些基因表明形式来源患有疾病的人，哪些来源健康的人。 接下来对人力智能模子发展训练，以寻到基因表明的形式。

机器学习的挑战之一是不可能确切地见到人力神经网站是如何解决一项任务的。 人力智能有时被描画为一种“黑匣子”-咱们只瞧到咱们放进盒子里的消息和它发生的结果。 咱们见不到两者之中的环节。 人力神经网站由几层构成，此中消息是数学料理的。 网站包括输入层和输出层，输出层提供体系发展的消息料理的结果。 在这两层之中是发展计算的几个隐藏层。 当科学家们训练人力神经网站时，它们想晓得能否有可能以一个说话的形式揭开黑匣子的盖子，并理解它是如何事业的。 神经网站和熟悉的生物网站的设置能否类似？

当咱们剖析咱们的神经网站时，发觉第一种隐藏层在相当大水平上代表了各式蛋白质之中的相互效用。 在模子中更深，相反，在第三个档次上，咱们发觉了不同细胞类别的组。 这是十分有趣的，这类类别的生物相干分组是自动发生的，由于咱们的网站曾经从未分类的基因表明数据最初，”MikaGustafsson说，IFM的顶级讲师和探讨负责人。

接下来，科学家们探讨了它们的基因表明模子能否可行用以确定哪些基因表明形式与疾病相干，哪些是寻常的。 它们证实，该模子发觉了与体内生物体制很好地吻合的相干形式。 源于模子是运用未分类数据发展训练的，因而人力神经网站有可能寻到最新的形式。 探讨人士此刻计划从生物学的方位来探讨这类先前未知的形式能否相干。

“咱们以为，该范畴取得进展的要害是理解神经网站。 这可行教咱们对于生物背景的新东西，例如众多要素相互效用的疾病。 咱们以为，咱们的方法提供了更简单综合的模子，可行用于众多不同类别的生物消息，“Mika Gustafsson说。

Mika Gustafsson期望，与医学探讨人士的密切合作将使他能够将探讨中开发的方法利用于精准医学。 比如，可行确定哪一组患者迎接受某种类别的药物，或确定受作用最惨重的患者。