■今日視點

　　本報記者 劉 霞

　　自2000年人類基因組圖譜繪制后，生物學(xué)研究邁入全新的“組學(xué)”時代，科學(xué)家們爭先恐后地測序各種有機生物的基因組或蛋白質(zhì)組。

　　現(xiàn)在，即使一些簡單的實驗都會產(chǎn)生大量數(shù)據(jù)，而從“背景噪音”中獲得想要的結(jié)果則成為了一大挑戰(zhàn)。美國趣味科學(xué)網(wǎng)站近日報道指出，計算機技術(shù)正幫助科學(xué)家們征服這些數(shù)據(jù)大山，甚至提出科學(xué)假設(shè)并對新生物學(xué)進程進行解釋。包括機器學(xué)習(xí)、計算機模擬等數(shù)據(jù)科學(xué)將革新前沿生物學(xué)研究。

　　機器學(xué)習(xí)變革生物學(xué)研究

　　盡管科學(xué)家通過基因和蛋白質(zhì)測序讓我們知曉它們的名字和所處方位，但這些并不能告知它們的功能以及工作原理，我們需要理解這些基因、蛋白質(zhì)以及中間成分在不同生物過程中的相互作用，從而最終征服癌癥、心臟病、阿爾茨海默氏癥等多種頑疾，但這會涉及到海量數(shù)據(jù)。

　　例如，科學(xué)家希望借用DNA測序等“組學(xué)”工具，弄清楚人類哪些基因會受到病毒性流感的影響，但人體包含數(shù)萬個基因，常見的流感研究也會牽涉多達數(shù)千個基因。

　　計算機在處理海量數(shù)據(jù)方面是一把好手，因為其能同時考慮所有重要條件并進行分析。盡管編寫程序的人也會犯錯，導(dǎo)致程序出錯，但計算機能有效地處理大量數(shù)據(jù)且不會像人一樣產(chǎn)生偏見。生物學(xué)家們將用計算機來解決這些復(fù)雜的問題并定義新的生物學(xué)。

　　人類也能“教會”計算機在實驗數(shù)據(jù)中發(fā)現(xiàn)特定的模式，這種名為“機器學(xué)習(xí)”的方法首先由“人工智能之父”阿蘭·圖靈于上世紀(jì)50年代提出，借用這一方法，科學(xué)家們可以借助已有數(shù)據(jù)組開發(fā)出新算法模式，從而對新數(shù)據(jù)進行預(yù)測。從這一方面來說，機器學(xué)習(xí)已經(jīng)革新了生物學(xué)研究。

　　計算機能模擬大腦“思考”

　　美國亞利桑那州立大學(xué)生物和健康系統(tǒng)工程學(xué)院的斯里·克里希納博士表示，他們正在借助機器學(xué)習(xí)的一種——人工神經(jīng)網(wǎng)絡(luò)（ANN）進行實驗、分析并解決多種疑難問題。

　　ANN試圖通過模擬大腦神經(jīng)網(wǎng)絡(luò)處理記憶信息的方式進行信息處理。例如，谷歌公司的“深度夢想項目（DDP）”圖像識別軟件就使用了一個功能強大的ANN來對圖片分門別類，甚至生成新圖片。據(jù)國外媒體報道，為了處理網(wǎng)絡(luò)上數(shù)以億計的圖片，谷歌開發(fā)的這個ANN系統(tǒng)會先對大量相似圖片進行處理和學(xué)習(xí)，從中找到特定物體獨一無二的特征。

　　克里希納的研究團隊主要研究免疫系統(tǒng)，目的是找到癌癥新療法。在研究中，他們使用ANN計算模型來研究短的表面蛋白質(zhì)編碼，更好地了解各種免疫細胞如何區(qū)分正常（自己的）和反常的(外來的) 事物，從而設(shè)計出更好的疫苗和療法。

　　克里希納團隊將多年來研究確定的數(shù)以千計蛋白質(zhì)編碼的大數(shù)據(jù)集分成兩組：源于健康人體細胞的正常蛋白質(zhì)編碼與源于病毒、腫瘤和細菌的反常蛋白質(zhì)編碼，接著他們將這些蛋白質(zhì)編碼輸入自己研發(fā)的一臺ANN，新算法能區(qū)分出正常/反常的蛋白質(zhì)編碼。

　　通過機器學(xué)習(xí)進行預(yù)測

　　機器學(xué)習(xí)在生物學(xué)領(lǐng)域最重要的應(yīng)用是基于大數(shù)據(jù)進行預(yù)測，測試?yán)碚摬孪搿?/p>

　　亞利桑那州立大學(xué)應(yīng)用數(shù)學(xué)博士迭戈·丘威爾解釋稱，如在T細胞生物學(xué)領(lǐng)域，弄清楚朝哪個引起病毒感染的蛋白質(zhì)“開火”對疫苗研發(fā)和疾病治療意義重大，但某個病毒可能與多個蛋白質(zhì)編碼有關(guān)，因此，很難通過實驗對每個蛋白質(zhì)編碼逐一測試，且測試成本也極其高昂。

　　他們現(xiàn)在的解決辦法是訓(xùn)練ANN幫助機器學(xué)會自有和外來兩類蛋白質(zhì)編碼所有重要的生物化學(xué)屬性，接著要求其“預(yù)測”哪種蛋白質(zhì)編碼與外來的蛋白質(zhì)編碼類似，并能被T細胞發(fā)現(xiàn)。

　　他們用很多病毒蛋白質(zhì)對這個ANN模型進行了測試，結(jié)果發(fā)現(xiàn)：這個ANN系統(tǒng)能精確地在病毒內(nèi)“揪出”大部分能被T細胞激活的蛋白質(zhì)編碼。研究人員也對找到的蛋白質(zhì)編碼進行了測試，證實了這種ANN預(yù)測的精確性。使用這種ANN模型，科學(xué)家們能快速預(yù)測與某個病毒有關(guān)的所有重要的短蛋白質(zhì)編碼并進行測試，從而找到療法或疫苗，而不是逐一猜測然后進行實驗。

　　聰明地利用機器學(xué)習(xí)

　　隨著大數(shù)據(jù)科學(xué)和機器學(xué)習(xí)自身不斷地優(yōu)化，它們在生物學(xué)領(lǐng)域發(fā)揮的作用也越來越大：從厘清哪些生物標(biāo)記結(jié)合在一起能最好地探測出疾病，到理解為何只有某些病人能從特定的療法受益等。

　　當(dāng)然，計算機也不是萬能的。大數(shù)據(jù)科學(xué)的最大問題是數(shù)據(jù)本身。如果組學(xué)研究獲得的數(shù)據(jù)一開始就是錯的，或者基于偽科學(xué)，那么，機器有可能提供錯誤的結(jié)果。還有科學(xué)家擔(dān)心計算機變成數(shù)據(jù)的“黑盒子”，因為他們對計算機內(nèi)進行計算和操控的細節(jié)知之甚少。

　　克里希納表示，盡管存在這些問題，但大數(shù)據(jù)和計算機帶來的巨大好處將使它們成為科學(xué)研究的“好伙伴”?？茖W(xué)家們應(yīng)時刻保持警惕，聰明地利用計算機，最終借助“機器之眼”來更好地揭示生命的奧秘。