加入收藏夹
  首 页 |  医院概况 |  医疗特色 |  先进设备 |  科室特色 |  学术交流 |  教学科研 |  信息建设 |  文化建设 |  护理天地 |  救援医学 | 
· 赛默飞公司宣布基于标签测序的液体...
· 智能与健康范畴的人机互融...
· Nature:应用机器学习来猜测自闭症...
· 同情街坊失去胳膊 90后花3万元自制...
· 武汉多家病院隐藏胎盘交易 最低只...
· Roche Diagnostics GmbH对血气、电...
  就医指南  
  门诊就医  
  专家门诊  
  预约挂号须知  
  住院患者须知  
关键字:
 
· 团伙假冒药监局回收保健品再欺骗...
· 全面二孩撬动乳粉市场 韩国乳业布局中...
· 医疗行业供应侧改造将转变病院现状...
· 渔民发明177斤大鱼 或是龙胆石斑鱼...
· 游客玩手机掉西湖...
· 医药行业整体利润增厚 机构高频调研医...
· 肝脏在呼救,这些信号你却不知道...
· 多吃四种食物赶走口臭...
· 办公室疾病,抓住这时机补水全解决...
· 冬季养生有了这四宝,来年疾病全收服...
· 冬泳运动的五大误区 你犯了吗?...
· 喝酒后脸色发白不易醉?错!...
· 生活中的四个小细节 暗藏养生大学问...
· 身体出现这7个信号,你已经患上脂肪肝...
 
 
Nature:应用机器学习来猜测自闭症基因
时间:2016-08-08 13:44 阅读次数:
 

普林斯顿大学最新一项研讨发现了一些新的与自闭症相关的候选基因。

诚然研讨职员估计存在有数百个与自闭症相干的基因,但实际上只有一小局部有清楚的试验证据证明其与自闭症有关。8月1日发表在自然杂志上的一项研讨旨在改变这种现状,他们通过应用大数据跟 机器学习的方式来进行一个有关泛自闭症阻碍(ASD)的全基因组猜测。该研讨的第一作者Arjun Krishnan告诉咱们他们的成果将如何辅助泛自闭症阻碍(ASD)的早期诊断跟 治疗。

Q:你能简单总结下你的研究吗?

Arjun Krishnan:泛自闭症阻碍(ASD)存在很强的遗传根本,预计有400-1000相干基因,然而目前只有约65种自闭症基因被发明。由于泛自闭症阻碍(ASD)无比庞杂,光排序或仅仅进行基因研讨是相称不够的,不足以揭示自闭症的遗传基础。因而,咱们决定采取一种补充数据驱动的方式来解决这一问题。咱们应用的方式是基于对先前已知自闭症基因的学习模式与人脑中特定基因网络之间是如何联系的,咱们用这些模式来辨认新的自闭症基因。

最主要的成果是对基因组中自闭症相干的基因做了一个全面的填补猜测。在研讨的其余局部中,应用这些基因组泛自闭症阻碍ASD候选基因跟 大脑网络,咱们已经断定大脑发育的阶段跟 区域,以及自闭症患者身上可能会被破坏的特定细胞功效。咱们还树立了一个交互网站,任何生物医学研讨职员或临床医生都能够访问跟 查阅应用咱们的研讨成果。

Q:你的研讨成果意思是什么?

Arjun Krishnan:咱们猜测了数百个“新的”候选基因,这些都是在以前的自闭症相干遗传研讨素来不被判断或者波及的。对遗传学家来说,这象征着他们可以应用咱们的猜测来直接进行测序研讨,更快、更便宜的创造自闭症相干基因。研讨人员能够应用它们来分辨跟 阐明有关研讨ASD全基因组测序的成果。最后,生物医学研讨职员能够应用这些数据以及相干分析,全力研讨新的自闭症基因以及它的相干功能、发育跟 在结构上的影响。

Q:你能向咱们解释下是如何将机器学习方式利用到这项研讨上吗?

Arjun Krishnan:这项技能基本上相似于Facebook应用的“社交网络”方式,人们在社会背景下是彼此关联的,Facebook首先通在社交网络中寻找你的友人,倡导你将一位中学同学“增添为挚友”,而后通过你们在社交网络中的奇特好友进行推荐。

咱们树破了一个特定的大脑基因网络,它是一个对基因如何在大脑中依靠对方畸形运行的地图。应用这个网络,咱们采用相似的理念来猜测新的ASD基因——首先,咱们在大脑网络中发明与已经ASD基因相干的过错,而后断定网络中与这些配合基因相干的其余基因。

这个假想跟 其余一些设想一起,形成了一个咱们进行系统猜测的机器学习框架。

Q:你们实现这些成果用了哪些方法?

Arjun Krishnan:咱们用来做ASD基因猜测的是一种机器学习方式,它能学习如何辨认在基因网络与其余基因关系的自闭症基因,而后应用这些模式来猜测新的ASD基因。咱们应用的基因网络表明基因是如何一起在大脑中以细胞施展作用的,或直观地说是一副大脑分子水平的功效图。

咱们从所有可能的来源收集了与自闭症相干的基因,包括那些有直接证据或者间接证明的,同时对每个基因的证据是否坚固进行跟踪。而后咱们建立了一个基于网络证据加权疾病基因分类器,学习在大脑网络中已知ASD基因的连接模式(推敲到每个基因的证据级别),而后利用数据驱动模式来预测基因组中的每一个基因潜在的与ASD的相干性。

Q:这种办法与以前的基因猜测方式有什么不同呢?

Arjun Krishnan:咱们的研讨对传统的基因猜测方式有两个主要的贡献,首先是咱们运用了一个基因组范畴的组织特异性网络。人类疾病的起源跟 表现在人体中特定的组织跟 细胞类型,例如高血压—肾脏,或自闭症—大脑。因此,要正确地描述哪些基因与自闭症类似的疾病相干,咱们需要理解跟 猜测这些基因在大脑中发生了什么,而不是在大脑以外其余人体部分。咱们通过在人类基因组中应用特定的大脑网络基因实现了这个结果,基于成千上万的基因组实验融合成了特定的大脑信号。

第二个奉献是应用证据加权进行分类,咱们在多个起源精心策划了一组与ASD相干的基因,并追踪这些起源是否牢靠,应用他们的证据层级为咱们的机器学习作出新的猜测方式。这种方式作出的猜测比基于高信任基因的猜测要正确的多。

Q:你的研讨对泛自闭症妨碍(ASD)来说象征着什么?

Arjun Krishnan:目前非常须要一个基因或分子测试来对ASD进行诊断,在脑发育早期尽可能地基于ASD患者的基因组成对其进行药物或其余干预医治。通过对这些候选基因的试验辅助研讨职员有效地缩小ASD的遗传基本跟 遗传筛选,咱们的研讨成果使他们离这些目的更近了一些。

Q:你认为机器学习在医学研讨中最大的潜力是什么?

Arjun Krishnan:我所看到的机器学习的最大潜力是用其处理这个问题——针对个人的基因组成准确预测其健康跟 疾病的状态。咱们的工作是在重大疾病这一方面迈出的宏大一步,帮助找出基因的“特点”可能定义的疾病,渴望它可能用来对疾病进行猜想。重要的是在追求这一目标的过程中,不单纯是在机器学习或者生物医学研讨领域中进行独破研讨,更要考虑这两个范围如何能协同配合一起发挥巨大的潜力。

Q:下一步打算如何进行研讨?

Arjun Krishnan:下一步咱们正在思考的如何将咱们的猜测成果应用到自闭症患者的全基因组测序研讨上,这令咱们十分激动。对全基因组测序研讨须要面对相当复杂的情况,咱们的猜测成果能够辅助研讨职员集中在一个变量上,落在其附近或濒临的基因咱们就能够将其识别为与ASD基因高度相干的选项。

文/雷锋网(微信号:leiphone-sz)

 
网站关键词:武警医学院附属医院,武警医院,武警总队医院,武警,武警医学院附属医院   
© 武警医学院附属医院首页 版权所有 Power by DedeCms
津ICP备10003810号-4