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》。
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
如果本站的内容资源对您有所帮助，并且希望给予本站鼓励，欢迎小额赞助本站。
赞助计划为「自愿」捐款性质，非营利买卖，站方不接受任何退款要求，以免造成彼此困扰。
网友评论：
一键分享：
京公安备案号:11011202001074
©1989-2019 基元学 保留所有权利 辽ICP备17021960号-3.
九价HPV疫苗火速上市的背后
CRISPR专利官司愈打愈烈
长鼻袋鼠30年后重现
隐形声呐喜忧参半
全球首场神经系统疾病影像诊断“人机大战”启幕
基因组编写项目瞄准超安全细胞
汪懋华院士：安全农产食品既靠“产”又靠“管”
绿色防控引领植保新时代
用纳米技术改造传统农业