斯坦福大学研究人员利用人工智能寻找致病基因

一项新的人工智能程序正在帮助科学家们快速筛选数千个数据集和数百万篇论文，以寻找导致疾病的基因，从而大大缩短了曾经需要数月时间的搜索过程。

使用计算机软件，识别导致这些疾病的基因突变，为科学家更好地利用遗传学开发疾病治疗打开新的大门。

但要做到这一点，科学家们必须搜索大量的基因组数据，这个过程也是时间密集型的。研究人员希望使基因发现过程更容易、更快、更准确。

为此，斯坦福大学的研究人员创建了一个自动化程序，该程序可以对DNA序列数据进行分类，并且可以一次性分析10,000多个数据集（在本例中是小鼠疾病特征）。该计划对 2900 万篇已发表的论文进行分类，并评估基因与疾病特征之间可能存在的联系。然后，它缩小信息范围以识别可能导致某种疾病的基因。

在最近发表在生物信息学杂志上的一篇论文中，该团队使用他们的自动化管道来识别与糖尿病和肥胖症以及小鼠白内障形成相关的基因。

研究人员开始分析来自许多不同类型小鼠的详细描述疾病表型或身体特征的大型数据集。然后，他们进行了全基因组关联研究，确定了特定疾病的基因和表型之间的相关性。??

但这需要分析大量传入的数据，从而产生大量工作。你最终会得到很多基因，这些基因可能只是随机地与疾病易感性或抵抗力相关联。然而，这种相关性并不意味着基因实际上参与了导致或预防该疾病的过程。因此，您必须对这些相关性进行分类。这可能会花三个月时间阅读有关不同基因的文献，试图找出哪些基因最有可能与特定疾病有关。

该研究的合著者博士后研究员方卓清博士在人工智能和计算机程序方面拥有丰富的经验。他的工作使用人工智能来评估候选基因参与疾病发展的可能性。人工智能程序识别与小鼠疾病特征相关的基因，例如糖尿病和白内障。他下载了 2900 万篇论文，人工智能程序读取了所有论文，并确定在一篇关于特定疾病的论文中是否提到了候选基因。获 取 更多前沿科技?研究 进展访问：https://byteclicks.com

而且，由于许多人类疾病是由蛋白质之间的相互作用引起的，我们使用人工智能程序来分析蛋白质-蛋白质相互作用的数据库。这样我们就可以更好地了解候选基因产生的蛋白质是否与疾病有关。

该算法然后编译这些数据，用于评估候选基因和疾病表型之间关系的强度。

这可以成为新的诊断测试和治疗方法的基础，从而改善患者的护理。这个工具也可以用来分析其他类型的数据集，比如人类基因数据或蛋白质列表，这可以进一步揭示基因变化是如何导致疾病的。

了解疾病易感性的遗传结构可以使医生更准确地诊断患者的疾病，一个人的遗传信息可用于确定最佳治疗方案或制定疾病预防计划。它还可以帮助指导新药的开发。

版权声明：除特殊说明外，本站所有文章均为 字节点击 原创内容，采用 BY-NC-SA 知识共享协议。原文链接：https://byteclicks.com/38697.html 转载时请以链接形式标明本文地址。转载本站内容不得用于任何商业目的。本站转载内容版权归原作者所有，文章内容仅代表作者独立观点，不代表字节点击立场。报道中出现的商标、图像版权及专利和其他版权所有的信息属于其合法持有人，只供传递信息之用，非商务用途。如有侵权，请联系 gavin@byteclicks.com。我们将协调给予处理。

赞