Credit:pix abay/CC0 Public Domain研究人员正在开发一个深度学习网络，能够以高得多的准确度检测疾病生物标志物。滑铁卢大学切丽顿计算机科学学院的专家已经创建了一个深度神经网络，该网络能够在数据集中实现98%的肽特征检测。这意味着科学家和医疗从业者通过组织样本分析发现可能疾病的机会更大。
通过分析生物样品的蛋白质结构来检测疾病的技术有多种。计算机程序在这一过程中发挥着越来越大的作用，它通过检查这些测试中产生的大量数据来确定疾病的具体标志。
切丽顿计算机科学学院的博士研究员Fatema Tuz Zohora说:“但是现有的程序往往是不准确的，或者可能受到其底层功能中人为错误的限制。
“我们在研究中所做的是创建一个深度神经网络，可以在数据集中实现98%的肽特征检测。我们正在努力提高疾病检测的准确性，为医疗从业者提供最好的工具。”
肽是构成人体组织蛋白质的氨基酸链。正是这些小链经常显示疾病的特定标志。有了更好的检测手段，就有可能更早、更准确地发现疾病。
Zohora的团队将其新的深度学习网络称为PointIso。这是一种机器学习或人工智能的形式，是在一个庞大的生物样本现有序列数据库上训练出来的。
“其他疾病生物标志物检测方法通常有许多参数，必须由现场专家手动设置，”Zohora说。“但我们的深度神经网络可以自己学习参数，这更准确，并使疾病生物标志物发现方法自动化。”
这个新项目的独特之处还在于，它不是被训练成只寻找一种疾病，而是识别与一系列疾病相关的生物标志物，包括心脏病、癌症甚至新冠肺炎病。
“它适用于任何种类的疾病生物标志物发现，”Zohora说。“而且因为它本质上是一个模式识别模型，所以它可以用于检测大量数据中的任何小物体。医学和科学有如此多的应用；看到通过这项研究打开的可能性以及它如何帮助人们，令人兴奋。”
Zohora最近发布的研究“通过基于注意力的分割检测任意精确肽特征的深度神经网络”，与合著者m .齐亚·拉赫曼、Ngoc Hieu Tran、雷欣、鲍振山和李明发表在《科学报告》杂志上。
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
