据物理学家组织网28日报导，加拿大计算机科学家和生物学家在当日出版的《科学公共图书馆·概括》(PLOS ONE)杂志撰文指明，它们借助机器学习方法，在短短几分钟内对29个不同新冠病毒DNA序列发展分类，鉴别出一种潜在的“基因签名”。

它们显示，机器学习这类新的数据发觉用具将使科学家能在短短几分钟内迅速轻松地对致命病毒(如新冠病毒)分类，而加速这一进程关于大盛行时期医疗资源的策略规划至关要紧。另外，全新探讨还扶持一种科学假设——新冠病毒起由于蝙蝠，隶属β冠状病毒属的Sarbecovirus亚型。

韦仕敦大弟子物学教授凯瑟琳·希尔与该校计算机科学、统算与精算科学范畴的同事，及滑铁卢大学计算机科学系的探讨人士一同展开了这项探讨。

它们指明，这种“超迅速、可扩展且高度明确”的分类体系运用新的鉴于图形的专用软件和决策树方法来解释分类，并从全部可能结果中找出最好抉择。这一机器学习方法可对新冠病毒序列发展100%明确分类，更要紧的是，可在数分钟内再一次发觉5000若干病毒基因组之中最密切的关连。

希尔说：“咱们须要的是新冠病毒DNA序列能发觉本身的内在序列形式，咱们运用该签名形式和一个逻辑方法，使该形式与其它病毒尽可能挨近，并在数分钟而非数天、数小时内对新冠病毒发展了十分明确的分类。”

探讨人士指明，该用具能对全部新发觉的新冠病毒或其它病毒序列发展分类，将成为全世界大盛行时期疫苗和药物开发人士、一线医疗事业者、探讨人士和科学家运用的用具包的要紧构成部分。

来自：科技日报

编辑：陈晨