深度学习方法检测疾病生物标志物

加拿大滑铁卢大学的研究人员已经开发出了一种深度学习网络，可以以高精度检测疾病生物标志物。它在数据集中实现了98%的肽特征检测，这意味着科学家和医学专家可以通过组织样本分析更好地发现可能的疾病。

识别生物标志物

现有的疾病检测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，因为它们可以检查测试产生的大量数据，然后使用这些数据来识别特定的疾病标志物。

法特玛·图兹·佐拉是切里顿计算机科学学院的博士研究员。

“但是，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，”佐拉说。

“我们在研究中创建了一个深度神经网络，实现了数据集中98%的肽特征检测。我们正在努力使疾病检测更加准确，以便为医疗保健专业人员提供最好的工具，”佐拉继续说。

肽是组成人体组织的蛋白质的氨基酸链，而这些小链就是通常识别疾病标志物的地方。如果研究人员能够找到一种更好的测试方法，就有可能更准确、更早地检测疾病。

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有很多参数需要由领域专家手动设置，”佐拉说。“但是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，它不仅仅是针对一种疾病的检测。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，”佐拉说。“而且，因为它本质上是一个模式识别模型，所以它可以用于检测大量数据中的任何小对象。医学和科学领域有很多应用；看到这些研究的可能性和它如何帮助人们真是令人兴奋。”