作者:鲍勃·伊尔卡，物理
（同organic）有机 信用:Pixabay/CC0公共域 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，用于识别可能预测转录因子结合的特征
在他们发表在《自然机器智能》杂志上的论文中，该小组描述了他们的系统在更好地理解基于转录因子的疾病方面的可能用途
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——它们与DNA结合的方式是基因开启或关闭的手段
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、成熟型糖尿病和富克斯角膜内皮营养不良
一些研究表明，它们也可能在癌性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与DNA链目标区域结合的规则。
该团队还希望它将被证明有助于发现对结合影响最大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代理绑定——它是从UCSD开发的先前系统开始构建的
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)，使得学习过程更加高效
他们还添加了一个后分析过程来生成重要性分数，以便在上下文中放置绑定
测试包括用转录因子运行系统，看看它可能产生什么——他们发现它能够为可能与潜在疾病发展相关的转录因子结合变异体提供新的见解
他们指出，这样的见解可能导致识别转录因子出错并导致疾病时会发生什么，这可能导致相关疗法的发展
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
