《自然》子刊：深度神经网络作用“+1”，现在可以用来探索疾病成因

加州大学圣地亚哥分校的一组研究人员开发了一种深度神经网络系统来识别可能预测转录因子结合的特征。

该研究已发表在国际顶级刊物《自然》的子刊《自然机器智能》(Nature Machine Intelligence)上。

转录因子是在控制遗传信息转录速率方面发挥作用的蛋白质。先前的研究表明，转录因子的问题会导致人类疾病，如雷特综合征、成熟期发病型糖尿病等。一些研究表明，它们也可能在癌症肿瘤的发展中起作用。

为了预防此类疾病，科学家需要更好地了解转录过程。在这项新的努力中，研究人员建立了一个基于神经网络的系统，旨在帮助解码控制转录因子结合到DNA链目标区域的规则。该小组还希望它将被证明有助于发现对结合有最大影响的特定非编码核苷酸。

该团队将他们的整体系统框架命名为AgentBind——它是从UCSD开发的早期系统开始构建的。新系统由三个卷积神经网络、一个连接层和一个递归卷积神经网络组合而成。

由于此类研究涉及大量数据，该团队使用了转移学习(而不是批量学习)，使学习过程更加高效。

研究人员认为，该系统将为疾病发展相关的转录因子结合变异提供新的见解。这样的见解可能会使人类了解在转录因子出错并导致疾病时的详细情况，这或许会催生相关疗法的发展。

编译/前瞻经济学人APP资讯组

论文链接：

https://www.nature.com/articles/s42256-020-00282-y