16+ / Написать письмо
Акции IT-компаний
Apple - $236.87
Google - $185.43
Facebook - $725.38
Amazon - $228.93
Microsoft - $409.04
Yandex - $48.44
Netflix - $1027.31
Журнал Nature Communications опубликовал исследование ученых из Университета Линчёпинга. Их работа демонстрирует, как искусственная нейронная сеть выявляет закономерности в огромном количестве данных по экспрессии генов и обнаруживает группы, связанные с болезнями. Ученые рассчитывают, что нейронная сеть может найти применение в точной медицине и подборе индивидуального лечения.
Для понимания работы нейросети ученые проводят аналогию с социальной сетью. Фейсбук предлагает рекомендуемых друзей на основании того, что вы общаетесь, имеете общих друзей или просматриваете один и тот же контент. Ученые создают карты биологических сетей похожим образом, устанавливая, как всевозможные гены или белки взаимодействуют друг с другом. Ученые решили привлечь искусственный интеллект, чтобы выяснить, может ли он обнаруживать такие сети в результате глубокого обучения, в ходе которого искусственные нейронные сети получают экспериментальные данные.
Сегодня известно, что такие нейронные сети уже умеют распознавать шаблоны в огромном количестве сложных данных. Такие сети уже используют в приложениях, которые распознают изображения или детали этих изображений.
Для обучения нейросети ученые использовали базу данных с информацией о паттернах экспрессии более 20 000 генов у разных людей. Все данные были собраны хаотично – их не рассортировали на паттерны экспрессии у здоровых людей и те, что принадлежат людям с заболеваниями. Модель AI обучили поиску паттернов экспрессии в таком виде.
Сказать точно, как искусственный интеллект решает задачу, невозможно. Его иногда называют «черным ящиком», потому что никто точно не знает, как работает нейросеть и какие шаги она предпринимает для решения задачи. Можно лишь предоставить вводные данные и увидеть результат работы.
Современные искусственные нейронные сети имеют многослойную структуру и обрабатывают информацию математически. Сети имеют входной слой для ввода данных и выходной – для выдачи результата. Между ними находятся еще несколько слоев, в которых и происходят вычислительные операции. В ходе обучения сети поиску паттернов экспрессии генов ученые пытались заглянуть внутрь «черного ящика».
Ученые изучили, можно ли использовать их модель экспрессии генов, чтобы находить паттерны генов, связанных с болезнями и нормальные паттерны. Они подтвердили, что модель успешно находит паттерны, которые согласуются с процессами в человеческом организме. Модель обучали на основе не засекреченных данных, поэтому есть вероятность, что нейросеть нашла новые закономерности.