您的位置:医药网首页 > 医药资讯 > 医药营销 > PNAS:深度学习揭示基因相互作用

PNAS:深度学习揭示基因相互作用

2019年12月13日 讯 /100医药网BIOON/ --近日,卡内基梅隆大学计算机科学家采用了一种深度学习方法,近年来彻底改变了人脸识别和其他基于图像的应用程序,并将其功能重定向到探索基因之间的关系。

他们说,诀窍在于将大量的基因表达数据转换成更像图像的东西。善于分析视觉图像的卷积神经网络(CNN)方案随后可以推断出哪些基因正在相互作用。

(图片来源:Www.pixabay.com)

相关结果发表在最近的《PNAS》杂志上。计算生物学和机器学习教授Ziv Bar-Joseph表示,这种名为CNNC的新方法的应用范围可能远远超出基因相互作用。文章作者Bar-Joseph说,论文中描述的新见解表明,CNNC可以类似地用于调查包括财务数据和社交网络在内的各种现象的因果关系。

人类中大约有20,000个基因协同工作,因此有必要知道基因如何在复合体或网络中协同工作以了解人类发育或疾病。

推断这些关系的一种方法是查看基因表达-它代表细胞中基因的活性水平。通常,如果基因A同时活跃,那么基因B活跃,这就是两者相互作用的线索。不过,这可能是巧合,或者两者都被第三个基因C激活。已经开发出了几种先前的方法来弄清这些关系。

为了利用CNN来帮助分析基因关系,Yuan和Bar-Joseph使用了单细胞表达数据-可以确定单个细胞中每个基因水平的实验。然后,以矩阵或直方图的形式排列成千上万个这些单细胞分析的结果,以使矩阵的每个细胞代表一对基因的不同共表达水平。

以这种方式呈现使得数据更加图像化,因此CNN更易于访问。通过使用来自已经建立了相互作用的基因的数据,研究人员能够训练CNN识别哪些基因在相互作用,哪些不是基于数据矩阵中的视觉模式。

Yuan说:“区分因果关系和相关性非常非常困难,”但是CNNC方法在统计学上比现有方法更准确。他和Bar-Joseph期望CNNC将成为研究人员最终将用于分析大型数据集的几种技术之一。

Bar-Joseph说:“这是一种非常通用的方法,可以应用于许多分析。”而且数据越多,CNN的工作效果越好。细胞生物学非常适合使用CNNC,因为一般的实验可能涉及成千上万个细胞并产生大量数据。(100医药网100yiyao.com)

资讯出处:

原始出处:Ye Yuan, Ziv Bar-Joseph. Proceedings of the National Academy of Sciences, 2019; 201911536 DOI: 10.1073/pnas.1911536116

医药网新闻
返回顶部】【打印】【关闭
扫描100医药网微信二维码
视频新闻
图片新闻
医药网免责声明:
  • 本公司对医药网上刊登之所有信息不声明或保证其内容之正确性或可靠性;您于此接受并承认信赖任何信息所生之风险应自行承担。本公司,有权但无此义务,改善或更正所刊登信息任何部分之错误或疏失。
  • 凡本网注明"来源:XXX(非医药网)"的作品,均转载自其它媒体,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责。本网转载其他媒体之稿件,意在为公众提供免费服务。如稿件版权单位或个人不想在本网发布,可与本网联系,本网视情况可立即将其撤除。联系QQ:896150040