英國《自然·方法》雜志在線發(fā)表的一篇論文稱，美國科學(xué)家創(chuàng)建了一種“可視化”人工神經(jīng)網(wǎng)絡(luò)，這是全新的、過程可獲取的深度學(xué)習(xí)計(jì)算機(jī)算法，能夠揭示細(xì)胞的內(nèi)部活動(dòng)。其有能力幫助人們更好地理解此前未知的基因?qū)W和生理學(xué)背后的機(jī)制。

人工智能（AI）已可以執(zhí)行多種通常需要人類完成的復(fù)雜任務(wù)，比如面部識(shí)別、翻譯語言和玩游戲。而深度學(xué)習(xí)網(wǎng)絡(luò)，是機(jī)器學(xué)習(xí)中一種基于對(duì)數(shù)據(jù)進(jìn)行表征學(xué)習(xí)的方法，也被稱為人工神經(jīng)網(wǎng)絡(luò)，本身是在現(xiàn)代神經(jīng)科學(xué)研究成果的基礎(chǔ)上提出的，試圖通過模擬大腦神經(jīng)網(wǎng)絡(luò)處理、記憶信息的方式來進(jìn)行信息處理?，F(xiàn)在，深度學(xué)習(xí)網(wǎng)絡(luò)越來越多地用于生物數(shù)據(jù)分析自動(dòng)化。

深度學(xué)習(xí)模型的一個(gè)挑戰(zhàn)，是它們的“黑箱”性質(zhì)，也就是說無法輕易鑒定一個(gè)模型執(zhí)行某項(xiàng)任務(wù)時(shí)的過程。科學(xué)家們認(rèn)為，在生物應(yīng)用方面，調(diào)查深度學(xué)習(xí)模型如何識(shí)別和處理所分析的數(shù)據(jù)的能力，或可以幫助研究者更好地理解這些數(shù)據(jù)背后的生物學(xué)。

此次，美國加州大學(xué)圣地亞哥分校研究人員特雷·艾德克及其同事，通過將一個(gè)深度學(xué)習(xí)算法的結(jié)構(gòu)映射在已知細(xì)胞內(nèi)分子系統(tǒng)的結(jié)構(gòu)上，創(chuàng)建了一個(gè)“可視的”人工神經(jīng)網(wǎng)絡(luò)。團(tuán)隊(duì)通過實(shí)驗(yàn)表明，一旦模型完成訓(xùn)練，它便能夠預(yù)測(cè)遺傳變化的生理影響。

此外，由于模型的組分均可獲取，它也能讓科學(xué)家更好地理解基因與生理特征之間的關(guān)系及其背后機(jī)制。研究人員還表明，這種“可視”的神經(jīng)網(wǎng)絡(luò)可用于理解遺傳邏輯，鑒定哪些分子系統(tǒng)對(duì)特定生理特征有重要影響，以及發(fā)現(xiàn)細(xì)胞中不為人知的新過程。