这个虚拟酵母细胞可以打开人工智能的黑匣子

“似乎每次你转过身，都有人在谈论人工智能和机器学习的重要性，”加州大学圣地亚哥分校医学院和摩尔癌症中心的教授特雷艾德克博士说但是所有这些系统都是所谓的“黑匣子”。它们很有预测性，但是我们并不知道它们是如何工作的。"

IDE举了一个例子：机器学习系统可以分析数百万人的在线行为，并将个人标记为潜在的“恐怖分子”或“自杀风险”。“但我们不知道机器是如何得出这个结论的，”他说。

为了让机器学习在医疗保健领域变得有用和可信，Ideker表示，从业者需要打开黑匣子，了解系统如何做出决策。

机器学习系统建立在人工神经元层上，称为神经网络。这些层通过神经元之间看似随机的连接来连接。系统通过微调这些连接来“学习”。

在最近发表在《自然方法》(Nature Methods)上的一项研究中，Ideker的研究团队最近开发了他们所谓的“可见”神经网络，并利用它构建了具有正常功能的啤酒酵母细胞模型DCell，该模型通常被用作基础研究的模型。为此，他们在一个地方积累了所有的细胞生物学知识，并创造了这些细胞成分的层次结构。然后他们将标准的机器学习算法映射到知识库。

但最让Ideker兴奋的是，DCell并不是一个黑匣子；这种联系不是一个谜，也不是偶然形成的。相反，“学习”仅由真实世界的细胞行为和由大约2500种已知细胞成分编码的约束来指导。该团队输入有关基因和基因突变的信息，DCell预测细胞行为，如生长。他们训练了数百万种DCell基因型，发现虚拟细胞可以模拟细胞生长，几乎与实验室培养的真实细胞一样准确。

“人类的知识是不完整的，”思科实验室助理研究科学家马建柱博士说，他领导了建立DCell的工作。“我们希望完成这些知识，以帮助指导医疗保健和其他方面的预测。”

IDE和Ma也测试了DCell。如果他们故意向系统提供虚假信息，系统就不会工作。以核糖体为例。细胞利用这些微小的生物机器将遗传信息转化为蛋白质。然而，如果研究人员将核糖体与一个不相关的过程(如凋亡)联系起来，系统细胞就会自杀，DCell无法预测细胞生长。虚拟社区在生物学上不可能“知道”新的安排。

KER和他的同事在IDE联合指导的癌细胞绘图项目中正在产生一些他们需要的实验数据，以建立人类癌症的DCell。然后，他们将确定如何最好地个性化这种虚拟细胞方法，以获得患者的独特生物学。

“我们希望有一天能够输入你特定的癌症相关基因突变，并获得关于癌症侵袭性的最新信息和防止其生长和转移的最佳治疗方法，”Ideker说，他也是加州大学圣地亚哥分校计算生物学和生物信息学中心的成员。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！