美国学者：可视化深度学习揭示基因如何影响细胞特征

　　美国研究人员开发出一种过程可获取的深度学习计算机新算法，能够揭示细胞的内部活动。相关论文3月6日在线发表于《自然—方法》。

图片来源于网络

　　人工智能可以执行多种通常需要人类完成的复杂任务，比如面部识别、语言翻译和玩游戏。深度学习网络也称人工神经网络，它们越来越多地被用于生物数据分析自动化。

　　深度学习模型的一个挑战是它们的“黑箱”性质，也就是说无法轻易鉴定一个模型执行某项任务时的过程。

　　在生物应用方面，调查深度学习模型如何识别和处理所分析的数据的能力或许可以帮助研究者更好地理解这些数据背后的生物学。

　　加州大学圣地亚哥分校的Trey Ideker及同事通过将一个深度学习算法的结构映射在已知细胞内分子系统的结构上，创建了一个“可视的”人工神经网络。研究人员表示，一旦模型完成训练，它便能够预测遗传变化的生理影响。

　　此外，由于模型的组分均可获取，它也能让科学家更好地理解基因与生理特征关系背后的机制。研究人员指出，一个可视的神经网络可以被用于理解遗传逻辑，鉴定哪些分子系统对特定生理特征有重要影响，以及发现细胞中的新过程。