Искусственный интеллект обнаруживает заболевания, связанные с генами

Искусственные нейронные сети позволяют обнаружить закономерности в огромных объемах данных генной экспрессии, и откройте для группы заболеваний, связанных с генами. Это показало новое исследование во главе с исследователями из Университета Линчепинга, опубликованной в Nature связи. Ученые надеются, что метод, в конечном счете, могут быть применены в точности медицины и индивидуальное лечение.

Это часто случается, когда используют социальные медиа, что платформа предполагает людей, которых вы хотите добавить в друзья. Это предложение основывается на вас и другого человека, имеющие общие контакты, которые указывает на то, что вы знали друг друга. Аналогичным образом, ученые создают карты биологических сетей, основанных на том, как различные белки или гены взаимодействуют друг с другом. Исследователи позади нового исследования используют искусственный интеллект, ИИ, исследовать, возможно ли открыть биологических сетей с использованием глубокого обучения, в котором сущностями, известными как «искусственных нейронных сетей» обучается экспериментальных данных. Поскольку искусственные нейронные сети превосходно научиться находить закономерности в огромное количество сложных данных, они используются в таких приложениях, как распознавание образов. Однако, этот метод машинного обучения до сих пор редко используются в биологических исследованиях.

«Мы впервые использовали глубокое изучение, чтобы найти болезни связанные с генами. Это очень мощный метод в анализе огромных массивов биологической информации, или «большие данные»,» говорит Двиведи Санджив, постдок на кафедре физики, химии и биологии (ИФМ) в Линчепинг университета.

Ученые использовали большую базу данных с информацией о шаблоны из 20 000 генов в большом количестве людей. Эта информация была «несортированный» в том смысле, что исследователи не придают искусственные нейронные сети информацию о которых паттернов экспрессии гена у людей с болезнями, и которые были от здоровых людей. Тогда модель ИИ был обучен находить закономерности экспрессии генов.

Одна из проблем машинного обучения заключается в том, что это не возможно, чтобы увидеть, как искусственная нейронная сеть решает задачу. ИИ иногда описывается как «черный ящик» — мы видим только ту информацию, которую мы положили в коробку и результат, который он производит. Мы не видим шагов между ними. Искусственные нейронные сети состоят из нескольких слоев, в которых информация обрабатывается математически. Сеть состоит из входного слоя и выходного слоя, что обеспечивает в результате обработки информации, осуществляемые системой. Между этими двумя слоями несколько скрытых слоев, в которых проводятся расчеты. Когда ученые обученные искусственные нейронные сети, они задавались вопросом, возможно ли, образно говоря, поднять крышку черного ящика и понять, как это работает. Представлены конструкции нейронной сети и знакомые биологических сетей похожи?

«Когда мы проанализировали наши нейронные сети, оказалось, что в первом скрытом слое представлены в большой степени взаимодействия между различными белками. Глубже в модель, в отличие от этого, на третий уровень, мы нашли группы в разных типах клеток. Чрезвычайно интересно, что этот тип биологически соответствующие группировка производится автоматически, учитывая, что в нашей сети стартовала из несекретных данных по экспрессии генов», — говорит Мика Густафссон, старший преподаватель IFM и руководитель исследования.

Затем ученые исследовали, может ли их модель экспрессии генов могут быть использованы, чтобы определить, какой ген паттернов экспрессии связаны с болезнью и что является нормальным. Они подтвердили, что эта модель находит соответствующих моделей, которые хорошо согласуются с биологическими механизмами в организме. Поскольку модель была обучена, используя несекретные сведения, вполне возможно, что искусственные нейронные сети нашел совершенно новые модели. Исследователи теперь планируют выяснить, являются ли такие, ранее неизвестные закономерности, относящиеся с биологической точки зрения.

«Мы считаем, что ключ к прогрессу в этой области, чтобы понять нейронную сеть. Это может научить нас о биологическом контекстах, таких как заболеваний, при которых многие факторы взаимодействуют. И мы считаем, что наш метод дает модели, которые легче обобщить и который может быть использован для многих различных типов биологической информации», — говорит Мика Густафссон.

Мика Густафссон надеется, что тесное сотрудничество с медицинскими исследователями, позволят ему применить метод, разработанный в ходе исследования в точной медицины. Можно, например, определить, какие группы пациентов должны получать определенный тип медицины, или идентифицировать пациентов, которые пострадали наиболее сильно.

Исследование получило финансовую поддержку от шведского фонда стратегических исследований (SSF) и шведского научно-исследовательского совета.

сделать разницу: спонсорские возможности