人工智能为生物学添砖加瓦

人工智能在生物学上的应用也越来越多，比如癌症研究，一个国际研究小组开发出了一种使用人工智能预测肿瘤可能如何改变以及如何在病人体内传播的方法。

Gladstone研究所资深研究员Steve Finkbeiner博士致力于突触内部运作机制的研究，他希望能通过一种叫做机器人显微镜（robotic microscopy）的高通量成像策略产生大量数据，专门研究脑细胞，为此Finkbeiner博士与谷歌研究部门合作，训练了一套深度算法，能以很高的精度自动为细胞打标签。

同时今年谷歌也推出AR显微镜，可利用机器学习技术迅速发现癌细胞。这种显微镜可以在机器学习技术的帮助下实时地检测出癌细胞。利用一般的显微镜查找癌细胞是一个非常困难且耗费时间的过程，而且医生要研究和处理大量的信息。但是，AR 显微镜能够迅速找出癌细胞，并将它们突出显示出来。

不仅如此，人工智能在生物学上的应用也越来越多，比如癌症研究，除了上述的AR显微镜，一个国际研究小组开发出了一种使用人工智能预测肿瘤可能如何改变以及如何在病人体内传播的方法。

研究人员将他们的新系统命名为“Revolver”。这个新系统使用机器学习算法来研究基因突变数据并检测相关模式。研究人员给他们的系统输入了来自178名癌症病人的768个肿瘤的信息，每个病人都有乳腺癌、肾癌、肠癌或者肺癌。利用这些数据，这个系统成功地找到了病人间与促使肿瘤转移的改变相关的突变模式。

此外，最新Nature也公布了一篇开创性论文：英国生物库（Biobank）50万名参与者的全基因组遗传数据分析结果发布。

牛津大学的一个研究小组应用精密的遗传信息新统计技术，承担了UK Biobank 内全部50万志愿者遗传信息分析工作，保证较高的数据质量，而且将可测的遗传变异数量输出从80万提高到了9600万，百倍地增加了有用数据信息。将输出与选定的基因型DNA和全人类基因组进行比较，科学家们可以准确地在非选择性部分预测DNA代码。

UK Biobank将帮助人类回答一系列重要问题：疾病的潜在遗传学，遗传因素和生活方式因素之间的相互作用，了解疾病本身的生物学基础提供新处理措施和预防措施。该数据库的另一个重要特征在于，提供了HLA区的不同基因排列数据设算，众所周知，HLA区负责许多免疫系统功能，这里的变异版本在许多疾病中起关键作用，但由于难以直接测量，因此在过去许多遗传学研究中都是不可用的。