研究人员正在开发一种深度学习网络,能够以更高的准确性检测疾病生物标志物。
滑铁卢大学(University of Waterloo)切里顿计算机科学学院(Cheriton School of Computer Science)的专家们创建了一个深度神经网络,可以在数据集中实现98%的肽特征检测。这意味着科学家和医生有更大的机会通过组织样本分析发现可能的疾病。
通过分析生物样品的蛋白质结构来检测疾病有多种现有的技术。计算机程序越来越多地在这一过程中发挥作用,通过检查这些测试中产生的大量数据来确定疾病的特定标记。
Cheriton计算机科学学院的博士研究员fatima Tuz Zohora说:“但是现有的程序往往是不准确的,或者可能受到人为错误的限制。”
“我们在研究中所做的是创建一个深度神经网络,可以在数据集中实现98%的肽特征检测。我们正在努力使疾病检测更加准确,为医疗从业者提供最好的工具。”
多肽是构成人体组织中蛋白质的氨基酸链。正是这些小链经常显示出疾病的特定标记。有了更好的检测手段,就有可能更早、更准确地发现疾病。
Zohora的团队称他们的新深度学习网络为PointIso。它是机器学习或人工智能的一种形式,在生物样本现有序列的庞大数据库上进行训练。爱博网投官方网站
Zohora说:“其他疾病生物标志物检测方法通常有很多参数,必须由现场专家手动设置。”“但我们的深度神经网络可以自己学习参数,这更准确,并使疾病生物标志物的发现方法自动化。”
这个新项目的独特之处在于,它不仅仅是为了寻找一种疾病,而是为了识别与心脏病、癌症甚至COVID-19等一系列疾病相关的生物标志物。
“这适用于任何一种疾病的生物标志物发现,”Zohora说。“因为它本质上是一种模式识别模型,它可以用于检测大量数据中的任何小物体。医学和科学有很多应用;看到通过这项研究开辟的可能性以及它如何帮助人们,这令人兴奋。”
期刊引用:
引用此页: