人工智慧和深度學習會顛覆生物和醫學研究嗎？

前言：閱讀本文前需要先簡單地了解以下幾個概念

神經網路（Neural Networks）是一種應用類似於大腦神經突觸聯接的結構進行信息處理的數學模型。

深度學習（Deep Learning）的概念源於人工神經網路的研究。含多隱層的多層感知器就是一種深度學習結構。深度學習通過組合低層特徵形成更加抽象的高層表示屬性類別或特徵，以發現數據的分散式特徵表示。

深度學習是機器學習（Machine Learning）研究中的一個新的領域，其動機在於建立、模擬人腦進行分析學習的神經網路，它模仿人腦的機制來解釋數據，例如圖像，聲音和文本等。例如在圍棋界所向披靡的阿爾法狗（AlphaGo）的工作原理就是深度學習。

都說眼睛是心靈的窗戶，但谷歌的研究人員將它們視為一個人健康的指示器。這家科技巨頭正在通過分析視網膜照片，利用深度學習（Deep Learning）來預測一個人的血壓、年齡和吸煙狀況。谷歌的電腦從血管的排列中收集了一些線索，初步的研究表明，這些機器可以利用這些信息來預測某人是否有心臟病發作的危險。

視網膜圖像可以讓電腦預測一個人即將發生心臟病發作的風險

這項研究依賴於卷積神經網路，這是一種正在改變生物學家如何分析圖像的深度學習演算法。 科學家正在使用這種方法來尋找基因組中的突變，並預測單個細胞布局的變化。 Google的方法在八月份的預印本（https://arxiv.org/abs/1708.09843; 2017）中有所描述，是新一代深度學習應用程序的一部分，這些應用程序正在使圖像處理變得更容易，更通用，甚至可以識別被忽視的生物現象。

谷歌研究中心的工程總監Philip Nelson認為：「以前，將機器學習應用到生物學的許多領域是不現實的，但現在可以了，但更令人興奮的是，機器現在可以看到人類前所未見的東西。」

卷積神經網路允許計算機在不分割圖像的情況下有效地處理圖像。2012年前後，隨著計算機能力和存儲技術的進步，這一技術在科技領域取得了成功。例如Facebook使用這種深度學習來識別照片中的人臉。但科學家們努力將這些網路應用於生物學，部分原因是由於不同領域的文化差異。Calico公司的首席計算官Daphne Koller說：「讓一群聰明的生物學家把他們放在一個聰明的計算機科學家的房間里，他們會互相談兩種不同的語言，並有不同的思維方式。Calico公司是谷歌下屬的一家生物技術公司。

科學家還必須確定哪些類型的研究可以通過網路進行，這些網路必須經過大量的圖像訓練才能開始預測。當谷歌想要利用深度學習來發現基因組中的突變時，科學家們不得不將DNA序列轉換成計算機能夠識別的圖像。然後他們在DNA片段上訓練他們的網路，這些DNA片段與一個參考基因組是一致的，他們的突變是已知的。最終結果是「深度變異」，這個工具在12月發布，可以發現DNA序列的微小變化。在測試中「深度變異」至少表現得像傳統工具一樣好。

位於華盛頓西雅圖的Allen細胞科學研究所的細胞生物學家們正在使用卷積神經網路將光學顯微鏡捕獲的扁平的、灰濛濛的細胞圖像轉換成三維圖像，其中一些細胞器被標記為彩色。這種方法不再依賴於細胞染色這一耗時耗力的實驗步驟，也就不會損傷細胞。上個月，該組織公布了這項先進技術的詳細信息，該技術可以通過一些數據(比如細胞的輪廓)來預測更多細胞的形狀和位置。(G. R. Johnson et al. Preprint at bioRxiv http://doi.org/chwv; 2017).

麻省理工學院和哈佛大學Broad研究所成像平台主任Anne Carpenter認為：「現在看到的是機器學習如何能夠完成與成像有關的生物學任務，這是一個前所未有的轉變」。2015年，她的跨學科團隊開始使用卷積神經網路處理細胞圖像，到現在，神經網路處理的圖像數據佔比達到了15％。 她預測這種方法將成為幾年來該研究中心的主要處理模式。

另一些人最興奮的是，通過分析卷積神經網路圖像可能無意中揭示出微妙的生物學現象，這促使生物學家提出他們以前可能沒有考慮過的問題。科學中最有趣的短語不是「發現了！」，而是「這很奇怪，發生了什麼?」

Allen研究所的執行主任Rick Horwitz認為，這種偶然發現可能有助於疾病研究的進展。如果深度學習能夠在單個細胞中發現癌症的細微標記，那麼這將有助於提高研究人員對腫瘤進展的分類，這反過來又引發了關於癌症如何傳播的新假說。

現在卷積神經網路正在進行圖像處理，但是生物學中的其他機器學習專家已經將目光投向了新的領域，。德國環境健康研究中心的計算生物學家Alex Wolf認為：「成像是重要的，但化學和分子數據也是重要的，他希望能調整神經網路，以便分析基因表達。 他認為未來幾年將會有一個非常大的突破，生物學家能夠更廣泛地應用神經網路。

翻譯：BioWorld

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！