深度学习方法检测疾病生物标志物

滑铁卢大学的研究人员 开发了一个深度学习网络，可以以高精度检测疾病生物标志物。它在数据集中实现了肽特征的98％检测，这意味着科学家和医学专家将有更大的机会通过组织样本分析发现可能的疾病。

识别生物标志物

检测疾病的现有技术涉及分析生物样本的蛋白质结构。计算机程序在此过程中发挥着重要作用，因为它们检查测试中产生的大量数据，然后可以使用这些数据来识别特定的疾病标志物。

Fatema Tuz Zohora 是计算机科学Cheriton学校的博士研究员。

“但现有的程序往往不准确或受到其底层函数的人为错误的限制，” Zohora 说。

“我们在研究中所做的是创建一个深度神经网络，它在数据集中实现了98％的肽特征检测。我们正在努力使疾病检测更加准确，以便为医疗保健提供者提供最好的工具，” Zohora 继续说。

肽是组成人体组织蛋白质的氨基酸链，这些小链通常是识别特定疾病标志物的地方。如果研究人员能够想出一种更好的测试方法，那么就有可能更早、更准确地检测到疾病。

Pointlso 深度学习网络

由该团队开发的新深度学习网络称为 Pointlso，它是一种机器学习或人工智能，经过大量现有生物样本序列的训练。

“其他疾病生物标志物检测方法通常具有许多需要由领域专家手动设置的参数，” Zohora 说。 “但我们的深度神经网络可以自己学习这些参数，这更准确，并使疾病生物标志物发现方法自动化。”

该程序的另一个重要方面是，它不仅仅是训练来寻找一种疾病。相反，它被训练来识别与各种疾病相关的生物标志物，例如心脏病、癌症和 COVID-19。

“它适用于任何类型的疾病生物标志物发现，” Zohora 说。 “而且由于它本质上是一个模式识别模型，因此可以将其用于检测大量数据中的任何小对象。医学和科学有很多应用；看到这种研究的可能性和它如何帮助人们真是令人兴奋。”