據(jù)《自然·機器智能》雜志報道，德國科學(xué)家借助一款深度學(xué)習(xí)軟件，對數(shù)萬個醫(yī)療數(shù)據(jù)集展開分析后，確定了165個與癌癥有關(guān)的新基因。最新研究為個性化藥物靶向治療以及生物標志物開發(fā)開辟了新前景。

馬克斯·普朗克分子遺傳學(xué)研究所和慕尼黑計算生物學(xué)研究所的研究人員開發(fā)出了名為“多組學(xué)圖形集成”(EMOGI)的新算法。領(lǐng)導(dǎo)該項研究的安娜麗莎·馬爾西科解釋稱，該軟件集成了從患者樣本提取的數(shù)萬個數(shù)據(jù)集，包括DNA甲基化、單個基因的活性和細胞內(nèi)蛋白質(zhì)的相互作用，以及發(fā)生突變的序列的相關(guān)數(shù)據(jù)。有了這些數(shù)據(jù)，深度學(xué)習(xí)算法可以檢測出導(dǎo)致癌癥惡化的模式和分子原理。

馬爾西科說：“這將有助于促進個性化醫(yī)療領(lǐng)域取得進展。”她解釋說，與化療等傳統(tǒng)癌癥治療方法不同，個性化療法能精確地根據(jù)腫瘤類型訂制藥物，“我們的目標是為每位患者選擇最佳療法，即方法最有效、副作用最少。此外，我們還可以根據(jù)癌癥的分子特征鑒別出處于早期階段的癌癥。我們只有知道導(dǎo)致疾病的原因，才能有效地治療它們，這也是為什么盡可能多地確定誘發(fā)癌癥的機制如此重要的原因。”

目前，科學(xué)家們發(fā)現(xiàn)與癌癥有關(guān)的基因數(shù)量已增長到700個左右，但只有借助生物信息學(xué)分析和最新的人工智能方法，研究人員才能追蹤到最新發(fā)現(xiàn)的這些隱藏的基因。此外，近年來，深度學(xué)習(xí)算法進展迅猛，在其加持下，研究人員甚至能夠發(fā)現(xiàn)那些以前未被注意到的蛋白質(zhì)或基因之間的關(guān)聯(lián)。

研究人員強調(diào)說，EMOGI系統(tǒng)并不局限于癌癥。從理論上講，它可以用來整合不同的生物數(shù)據(jù)集，并從中找出模式。例如，可用于糖尿病等復(fù)雜的代謝性疾病領(lǐng)域。

關(guān)鍵詞： 人工智能