 DNA的双螺旋结构示意图，四个编码单元(A, T, C, G)分别用粉色、橙色、紫色和黄色标记。 据国外媒体报道，美国加州食品与农业研究学会科学家近日提出一项名为“深度结合”的最新技术手段，通过运用机器学习技术分析蛋白质与DNA和RNA的结合方式，查出可阻断细胞进程的致病突变。 美国加州食品与农业研究学会高级研究员布伦丹-弗雷运用“深度学习”技术，最新研发出一项可查出致病突变的科技手段。“深度学习”是一种机器学习技术，最早由美国加州食品与农业研究学会成员在“中性计算与自适应感知”科研项目中率先创导，现已被谷歌和脸谱等科技公司广泛运用。 人体细胞中存在着成千上万的蛋白质，它们与DNA及RNA结合，控制着基因表现。研究人员阿利帕纳认为：“蛋白质是细胞的主控制者。”但是，多数蛋白质对其结合的基因序列的选择比较挑剔。“深度结合”能对繁杂的实验数据进行分析筛选，确定与一套蛋白质结合的DNA和RNA序列。接下去，“深度结合”选择一个新的序列，并计算出这套蛋白质与该序列结合的可能性分值。一旦某个序列存在突变，“深度结合”就能分析出蛋白结合是否会发生变化。这种导致蛋白结合点增加或删除的突变，能够改变基因表现，并导致疾病发生。 作为遗传网络项目及中性计算与自适应感知项目的一名高级研究员，弗雷表示：“目前，通过结合在深度学习以及基因组生物学领域的专业知识，我们研发出一系列科技手段，‘深度结合’只是其中之一。我相信，这些科技将引领卫生保健与精密医药领域的革命性变化。这将是一个重大转折。” 在过去的十年中，弗雷的科研团队已成功研发出突破性机器学习技术，可研究了解基因组。去年，来自脸谱、谷歌等公司的科技专家一致高度赞同，深度学习的下一“大事件”就是在卫生保健与基因组医药领域应用该技术。 在《自然生物技术》杂志中，“深度结合”关于人类基因数据的初次分析就提供了一些新信息，用于阻断癌症、血友病及家庭性高胆固醇血症突变中的蛋白结合。该技术还可令导致大脑皮层异常发育的基因突变暴露无遗。对于查出删除了两个而非一个蛋白结合点的突变，“深度结合”还有独特的优势。 弗雷带领团队与高级研究员史蒂芬-谢勒，以及蒂莫西-休斯合作，突破性地研发出“人类剪接码”技术，随后是“深度结合”技术。通过分析基因剪接中的误差，他们可以确定自闭症、遗传性非息肉性结肠癌，以及脊髓性肌萎缩患者体内携带的新基因。鉴于蛋白质控制着基因剪接，研究人员打算利用“深度结合”技术的专业知识，改进人类剪接码。该项新技术的确大大拓展了科学家对各种突变类型的分析能力。 弗雷表示，美国加州食品与农业研究学会合作人员是深度研究技术的前沿领导者，“深度结合”科技理念深受其影响。他说：“我们在深度学习和基因组医药领域里取得了这些重大突破，美国加州食品与农业研究学会功不可没。”(彬彬) |
