研究人員正在開發(fā)一種深度學習網(wǎng)絡(luò)，能夠以更高的準確度檢測疾病生物標志物。
滑鐵盧大學 Cheriton 計算機科學學院的專家創(chuàng)建了一個深度神經(jīng)網(wǎng)絡(luò)，可以在數(shù)據(jù)集中實現(xiàn) 98% 的肽特征檢測。這意味著科學家和醫(yī)療從業(yè)者有更大的機會通過組織樣本分析發(fā)現(xiàn)可能的疾病。
現(xiàn)有多種通過分析生物樣本的蛋白質(zhì)結(jié)構(gòu)來檢測疾病的技術(shù)。計算機程序通過檢查此類測試中產(chǎn)生的大量數(shù)據(jù)來確定疾病的特定標志物，從而在這一過程中越來越多地發(fā)揮作用。
Cheriton 計算機科學學院的博士研究員 Fatema Tuz Zohora 說：“但是現(xiàn)有的程序通常不準確，或者可能受到其底層功能中的人為錯誤的限制。”
“我們在研究中所做的是創(chuàng)建一個深度神經(jīng)網(wǎng)絡(luò)，在數(shù)據(jù)集中實現(xiàn) 98% 的肽特征檢測。我們正在努力使疾病檢測更加準確，為醫(yī)療保健從業(yè)者提供最好的工具。”
肽是構(gòu)成人體組織蛋白質(zhì)的氨基酸鏈。正是這些小鏈通常顯示疾病的特定標記。更好的檢測意味著可以更早、更準確地發(fā)現(xiàn)疾病。
Zohora 的團隊將他們的新深度學習網(wǎng)絡(luò)稱為 PointIso。它是機器學習或人工智能的一種形式，在來自生物樣本的現(xiàn)有序列的龐大數(shù)據(jù)庫上進行了訓練。
“其他疾病生物標志物檢測方法通常有很多參數(shù)，必須由現(xiàn)場專家手動設(shè)置，”Zohora 說。“但我們的深度神經(jīng)網(wǎng)絡(luò)會自行學習參數(shù)，這更加準確，并使疾病生物標志物的發(fā)現(xiàn)方法自動化。”
新計劃的獨特之處還在于，它不僅接受過尋找一種疾病的培訓，還可以識別與一系列疾病相關(guān)的生物標志物，包括心臟病、癌癥甚至 。
標簽：
免責聲明：本文由用戶上傳，如有侵權(quán)請聯(lián)系刪除！