科学家如何利用机器学习来帮助改善多种疾病的研究？

近日，新加坡国立大学（NUS）的研究人员发现了大脑编码短期记忆的关键，进而在认知计算神经科学领域取得了突破。新加坡国立大学心理学系助理教授Camilo Libedinsky以及新加坡国立大学创新与设计计划高级讲师Shih-Cheng Yen等人发现，大脑额叶中的神经元群体在动态变化的神经活动中包含稳定的短期记忆信息。这一发现可能对理解有机体如何使用有限大小的大脑同时进行多种心理操作（如记忆，注意力和决策）产生深远的影响。

在人脑中，额叶在处理短期记忆中起重要作用。短期记忆存储信息的能力很低，它通常只能容纳6到8个项目。例如我们在几秒钟的时间内能够记住电话号码的能力-使用短时记忆，研究人员先前的研究结果表明，如果在记忆维持期间出现干扰，就会改变额叶神经元编码记忆的代码。“这是违反直觉的，因为内存是稳定的，但是代码已更改。在这项研究中，我们解决了这个难题”， Libendisky说。研究人员使用机器学习衍生的工具，发现可以在不断变化的神经种群代码中找到稳定的信息。这意味着NUS团队证明了可以从呈现干扰物后改变其代码的神经元群体中读取记忆信息。

图片来源：sciencealert.com

【6】

doi：10.7554/eLife.49683

随着计算机技术的发展，机器学习强大的处理数据的能力正在彻底改变我们的新药发现模式。近日，Sanford Burnham Prebys医学发现研究所的科学家开发了一种机器学习算法，可以从显微镜图像中收集信息，从而可以进行高通量表观药物筛选，从而可以开辟针对癌症，心脏病，精神疾病等的新疗法。该研究结果发表在最近的eLife杂志上。

研究者表示，为了识别诱导表观遗传学作用的药物，科学家需要筛选数十万种潜在化合物。我们的研究则提供了一种强大的基于图像的方法，可实现高通量表观遗传药物的发现。”表观遗传学是指DNA上的化学标签，通过调节基因的可接触性达到改变基因表达水平的目的。细胞的几乎所有变化，包括对药物的反应和环境压力，都由其表观遗传状态反映出来。目前美国食品药品监督管理局（）已经批准了几种靶向表观学改变的癌症药物，此外，研究人员正在努力寻找其他基于的治疗方法。然而，由于缺乏高通量的筛选方法，药物的开发速度有所减慢。

【7】

doi：10.1038/s41586-018-0686-x

当双螺旋DNA因损伤（比如X射线暴露）发生断裂时，细胞中的分子机器会开展基因“自动校正（auto-correction）”，从而将基因组重新连接在一起，但是这种修复通常是不完美的。细胞中的天然DNA修复过程能够以一种看似随机且不可预测的方式在断裂位点处添加或移除DNA片段。利用CRISPR-Cas9编辑基因能够在特定位点上让DNA发生断裂，但是这可能会产生“拼写错误（spelling error）”，从而改变基因的功能。这种对CRISPR诱导的损伤作出的反应称为“末端连接（end joining）”，对让基因失去功能是非常有用的，但是科学家们认为它太容易出错而不能够用于治疗目的。

不过一项新的研究推翻了这个观点。通过构建出一种预测人类细胞和小鼠细胞如何对CRISPR诱导的DNA断裂作出反应的机器学习算法，来自美国麻省理工学院、麻省总医院、哈佛大学、布莱根妇女医院和布罗德研究所的研究人员发现细胞经常以精确和可预测的方式修复断裂的基因，有时甚至让突变基因返回到它们的健康版本。此外，他们将这种预测能力用于测试，并成功地校正了从患有两种罕见疾病之一的患者体内获取的细胞中的基因突变。这项研究表明细胞的基因自我校正能力有朝一日可能与基于CRISPR的疗法联合使用，通过精确地切割DNA和允许细胞天然地修复损伤来校正基因突变，相关研究结果于Nature期刊上。

【8】

doi：10.1016/j.celrep.2018.03.046

近日，一项刊登在国际杂志Cell Reports上的研究报告中，来自宾夕法尼亚大学的研究人员通过研究表示，作为新兴的精准医疗研究领域，将来自癌症患者的特殊信息与疗法选择进行有效匹配或许无法有效鉴别出所有对特殊疗法能够产生反应的患者，而来自患者的其它分子信息或许就能够揭示这些所谓的“隐藏反应者”。

研究者Casey Greene表示，靶向性序列能够帮助寻找携带特殊突变且能对抗癌药物非常易感的个体，但很多人群常常会缺失这些突变，因此机器学习技术（machine learning roaches）或许就能够改善这种状况，帮助研究人员治疗患者进行合适的治疗。文章中，研究人员利用机器学习技术对中的异常蛋白质活性进行分类，这种人工智能能够帮助开发出特殊的计算机程序，利用新型数据来学习并且进行决策制定，研究人员所开发出的算法能够在癌症基因组图谱 (TCGA)中进行搜索，将来自33种不同癌症类型的数据进行整合，同时研究者Greene及其同事还能利用转录组学的信息进行深入分析。