图|KAUST的研究人员正在使用一种人工智能应用程序来寻找导致疾病的基因（图片来源 ：Kiyoshi Takahase Segundo / Alamy Stock Photo）

机器学习使用算法和统计模型来识别数据之间的模式和关联，从而解决特定的问题。通过输入足够多的已知数据，如标记过的“Jack”图像，系统最终可以找到包含Jack的其他未标记图像。

研究人员正在利用人工智能的这种应用来寻找导致疾病的基因。然而，经证实，目前已知的基因中，只有少数基因是致病基因，这意味着科学家在描述基因疾病关联的模式时，并没有大量的原始数据可以输入到他们的程序中。因此，他们需要创造训练机器学习算法的方法，然后利用机器学习寻找这些模式。

数据库和信息管理专家Panagiotis Kalnis、计算生物科学家Xin Gao和同事们已经开发出一种深度学习模型，他们表示这种模型的性能优于目前已知最先进的方法。

首先，他们利用已知的数据库来提取关于基因位置和功能以及它们何时开启和关闭的信息，这些数据被用来教授算法以发现协同工作的基因。然后，他们从其他数据库中获得了关于遗传疾病特征的数据。这可以训练算法去识别具有类似症状的疾病。最后将这些数据集与12231个基因和3209种疾病之间已知关联的数据相结合。

KAUST模型提取了从基因网络和遗传疾病相似性中学习到的模式，并将它们转移到一个称为图卷积网络的深度学习模型中。这将能提供另一组数据，这些数据会被放置在矩阵中来进行基因-疾病相关性预测。该研究的第一作者 Peng Han说道，通过使用更多的信息，他们获得了比目前使用的最先进的方法更高的准确性，但是，尽管在实验中比其他方法做得更好，它仍然不够精确，不能应用到工业中去。

团队下一步计划通过合并更多种类的数据来提高模型的准确性。他们还会用这种方法来解决像根据用户过去的首选项推荐要访问的新位置这种只有有限的数据可用的其他类型的问题中。

参考：https://techxplore.com/news/2019-09-ai-complex-gene-disease-patterns.html

[关于转载]：本文为“AMiner”官网文章。转载本文请联系原作者获取授权，转载仅限全文转载并保留文章标题及内容，不得删改、添加内容绕开原创保护，且文章开头必须注明：转自“AMiner”官网。谢谢您的合作。