發(fā)布日期：2018-03-27

　　英國《自然·方法》雜志日前在線發(fā)表的一篇論文稱，美國科學家創(chuàng)建了一種“可視化”人工神經(jīng)網(wǎng)絡，這是全新的、過程可獲取的深度學習計算機算法，能夠揭示細胞的內(nèi)部活動。其有能力幫助人們更好地理解此前未知的基因學和生理學背后的機制。

　　人工智能（AI）已可以執(zhí)行多種通常需要人類完成的復雜任務，比如面部識別、翻譯語言和玩游戲。而深度學習網(wǎng)絡，是機器學習中一種基于對數(shù)據(jù)進行表征學習的方法，也被稱為人工神經(jīng)網(wǎng)絡，本身是在現(xiàn)代神經(jīng)科學研究成果的基礎上提出的，試圖通過模擬大腦神經(jīng)網(wǎng)絡處理、記憶信息的方式來進行信息處理?，F(xiàn)在，深度學習網(wǎng)絡越來越多地用于生物數(shù)據(jù)分析自動化。

　　深度學習模型的一個挑戰(zhàn)，是它們的“黑箱”性質(zhì)，也就是說無法輕易鑒定一個模型執(zhí)行某項任務時的過程?？茖W家們認為，在生物應用方面，調(diào)查深度學習模型如何識別和處理所分析的數(shù)據(jù)的能力，或可以幫助研究者更好地理解這些數(shù)據(jù)背后的生物學。

　　此次，美國加州大學圣地亞哥分校研究人員特雷·艾德克及其同事，通過將一個深度學習算法的結構映射在已知細胞內(nèi)分子系統(tǒng)的結構上，創(chuàng)建了一個“可視的”人工神經(jīng)網(wǎng)絡。團隊通過實驗表明，一旦模型完成訓練，它便能夠預測遺傳變化的生理影響。

　　此外，由于模型的組分均可獲取，它也能讓科學家更好地理解基因與生理特征之間的關系及其背后機制。研究人員還表明，這種“可視”的神經(jīng)網(wǎng)絡可用于理解遺傳邏輯，鑒定哪些分子系統(tǒng)對特定生理特征有重要影響，以及發(fā)現(xiàn)細胞中不為人知的新過程。

來源：科技日報