让生物学家自定义设计人工神经网络！让它用生物学家能理解的方式解析数据

未来，生物学家一定离不开大数据和人工智能算法。但现在人工神经网络的结果往往令生物学家难以理解。让生物学家自定义设计人工神经网络！让人工神经网络以生物学家能理解的方式解析数据！

　　

在这个“大数据”时代，人工智能（AI）已成为科学家的给力盟友。机器学习算法正在帮助生物学家梳理数量多得令人眼花缭乱的分子信号是如何控制基因怎样发挥其功能的。但是，随着开发出新算法来分析更多数据，它们也变得更加复杂且难以理解。定量生物学家Justin B. Kinney和Ammar Tareen制定了一套能让生物学家更容易理解的、设计高级机器学习算法的策略。

该算法是一种人工神经网络（ANN）。受神经元在大脑中连接和分支的方式的启发，人工神经网络是高级机器学习的计算基础。尽管具有人工神经网络的名称，但它并不是专门用于研究大脑的。

像Tareen和Kinney这样的生物学家，会使用人工神经网络来分析从DNA“大规模平行报告基因分析”（MPRA）实验方法得到的数据。利用这些数据，定量生物学家可以制作出人工神经网络，以预测哪些分子能够调控特定的基因。

细胞并不是全部时间内需要全部蛋白质。它们依靠复杂的分子机制、根据需要在合适的时间打开或关闭产生特定蛋白质的基因。当这些分子机制失效时，通常会出现疾病。

Kinney认为，了解机制，例如了解基因调控是如何工作的，才能够开发针对疾病的分子疗法，否则无法做到。

可惜的是，根据大规模平行报告基因分析数据而塑造的标准人工神经网络的方式，与生命科学领域的科学家提出问题的方式大不相同。这种错位意味着生物学家发现人工神经网络的结果很难解释基因调控是如何发生的。

让生物学家来设计AI算法

现在，Kinney和Tareen开发了一种新方法，可以弥合计算工具与生物学家的想法之间的鸿沟。他们创建了自定义的人工神经网络，以数学方式反映了生物学中有关基因和控制它们的分子的常见概念。通过这种方式，这对夫妇设计的机器学习算法能够以生物学家可以理解的方式处理数据。

Kinney解释说，这些努力强调了如何优化现代工业AI技术，以用于生命科学。 Kinney的实验室已经验证了这种用于制作用户自定义ANN的新策略，并将其用于研究各种各样的生物系统，包括涉及人类疾病的关键基因回路。

该结果于12月13日在加拿大温哥华举行的第一届计算生物学机器学习会议上正式宣布。可以在CSHL的bioRxiv服务器上看到预印本。