研究人员为基因组学创建了一个神经网络，解释了它是如何实现准确预测的

　　

纽约大学的一个计算机科学家团队创建了一个神经网络，可以解释它是如何实现预测的。这项工作揭示了神经网络(驱动人工智能和机器学习的引擎)功能的原因，从而揭示了一个在很大程度上对用户隐藏的过程。

这一突破集中在近年来流行的神经网络的一种特殊用法上——解决具有挑战性的生物学问题。其中包括对RNA剪接的复杂性的研究，这是研究的重点，它在将信息从DNA转移到功能性RNA和蛋白质产物中起着重要作用。

“许多神经网络都是黑盒子——这些算法无法解释它们是如何工作的，这引起了人们对它们的可信度的担忧，并阻碍了对基因组编码潜在生物过程的理解，”纽约大学科朗数学科学研究所的计算机科学教授奥德·雷格夫(Oded Regev)说，他是这篇发表在《美国国家科学院院刊》上的论文的资深作者。“通过利用一种新方法，提高机器学习训练数据的数量和质量，我们设计了一个可解释的神经网络，可以准确预测复杂的结果，并解释它是如何实现预测的。”

Regev和这篇论文的其他作者，库朗研究所的研究员Susan Liao，以及当时在库朗研究所攻读博士学位的Mukund Sudarshan，基于对RNA剪接的已知知识，创建了一个神经网络。

具体来说，他们开发了一个模型——相当于高倍显微镜的数据驱动模型——使科学家能够追踪和量化RNA剪接过程，从输入序列到输出剪接预测。

Regev指出:“使用‘设计可解释’的方法，我们开发了一种神经网络模型，可以深入了解RNA剪接——基因组信息传递的一个基本过程。”“我们的模型显示，RNA中一个小的发夹状结构可以减少剪接。”

研究人员通过一系列实验证实了他们的模型提供的见解。这些结果与模型的发现相吻合:每当RNA分子折叠成发夹结构时，剪接就会停止，而研究人员破坏这种发夹结构的那一刻，剪接就会恢复。

该研究得到了美国国家科学基金会(MCB-2226731)、西蒙斯基金会、生命科学研究基金会、额外风险投资职业发展奖和PhRMA奖学金的资助。