人工智能分析可訪問的數據，以查明改變細胞活動的基因修飾。
基因測序技術和計算能力的進步顯著提高了生物信息數據的可用性和處理能力。這種融合為人工智能(AI)開發(fā)控制細胞行為的方法提供了理想的機會。
在一項新的研究中，西北大學的研究人員通過開發(fā)一種人工智能驅動的遷移學習方法從這種聯系中收獲了成果，該方法重新利用公開數據來預測可以改變細胞類型或使患病細胞恢復健康的基因擾動組合。
該研究最近發(fā)表在《美國國家科學院院刊》上。
自從20年前人類基因組計劃完成以來，科學家們已經知道人類DNA包含2萬多個基因。然而，這些基因如何共同協(xié)調我們體內數百種不同的細胞類型仍然是一個謎。
令人驚訝的是，研究人員基本上通過引導試錯法證明，僅通過操縱少數基因就可以“重新編程”細胞類型。人類基因組計劃還促進了測序技術的進步，不僅使讀取遺傳密碼變得更加便宜，而且還使測量基因表達變得更加便宜，基因表達可以量化執(zhí)行細胞功能的蛋白質的前體。負擔能力的提高導致了大量公開可用的生物信息數據的積累，提高了合成這些數據以合理設計基因操作以引發(fā)所需細胞行為的可能性。
控制細胞行為以及跨細胞類型轉變的能力可用于再生受損組織或將癌細胞轉化回正常細胞。
在美國，中風、關節(jié)炎和多發(fā)性硬化癥導致的組織損傷每年影響 290 萬人，每年造成的損失高達 4 億美元。與此同時，癌癥每年導致全球約 1000 萬人死亡，造成數萬億美元的經濟損失。由于當前的護理標準不能再生組織和/或功效有限，因此迫切需要開發(fā)更有效且廣泛適用的治療方法，這反過來又需要識別可以從高通量數據推斷的分子干預措施。
在這項新研究中，研究人員使用公開的基因表達數據訓練他們的人工智能來了解基因表達如何引起細胞行為。該學習過程生成的預測模型被轉移到特定的細胞重編程應用程序。在每個應用中，該方法都會找到最有可能誘導所需細胞類型轉變的基因操作組合。
對全基因組動態(tài)的前所未有的探索
該論文的主要作者、西北大學網絡動力學中心成員托馬斯·懷托克 (Thomas Wytock) 表示：“我們的工作與之前合理設計操縱細胞行為的策略的方法相比，脫穎而出。” “這些方法主要分為兩類：一類是根據基因的相互作用或共同屬性將基因組織成網絡;另一類是基因根據其相互作用或共同屬性組織成網絡;另一種方法是對健康細胞和患病細胞的基因表達進行比較，以找出差異最大的基因。”
標簽：
免責聲明：本文由用戶上傳，如有侵權請聯系刪除！