เทคนิคการเรียนรู้ของเครื่อง เช่น การเรียนรู้เชิงลึก ได้พิสูจน์แล้วว่ามีประสิทธิภาพอย่างน่าประหลาดใจในการระบุโรค เช่น มะเร็งเต้านม อย่างไรก็ตาม เมื่อพูดถึงการระบุการกลายพันธุ์ในระดับพันธุกรรม แบบจำลองเหล่านี้ถือว่าสั้นเกินไป นักวิจัยจาก University of California San Diego (UCSD) กล่าว
ในกระดาษ การตีพิมพ์ ในวารสาร Nature Biotechnology ในสัปดาห์นี้ นักวิจัยของมหาวิทยาลัยได้เสนอกรอบการเรียนรู้ของเครื่องใหม่ที่เรียกว่า DeepMosaic ซึ่งใช้การผสมผสานระหว่างการสร้างภาพด้วยภาพและรูปแบบการเรียนรู้เชิงลึกเพื่อระบุการกลายพันธุ์ของยีนที่เกี่ยวข้องกับโรคต่างๆ รวมถึงมะเร็งและความผิดปกติที่มีการเชื่อมโยงทางพันธุกรรม เช่น โรคออทิสติกสเปกตรัม
การใช้ AI/ML เพื่อระบุโรคเป็นประเด็นร้อนในช่วงไม่กี่ปีที่ผ่านมา ตัวอย่างเช่น ในเดือนสิงหาคม นักวิทยาศาสตร์ฮาร์วาร์ด รายละเอียด ระบบ AI หลายรูปแบบสามารถทำนายมะเร็งได้ 14 ชนิด
ศาสตราจารย์โจ กลีสัน ศาสตราจารย์แห่ง UCSD กล่าวว่า ปัญหาคือ โมเดลเหล่านี้ส่วนใหญ่ไม่เหมาะกับการระบุการกลายพันธุ์ของยีน ที่เรียกว่า โมเสก แวเรียนต์ หรือการกลายพันธุ์ เนื่องจากซอฟต์แวร์ส่วนใหญ่ที่พัฒนาขึ้นในช่วงสองทศวรรษที่ผ่านมาได้รับการฝึกฝนเกี่ยวกับตัวอย่างมะเร็ง
เนื่องจากเซลล์มะเร็งมีการแบ่งตัวอย่างรวดเร็ว จึงค่อนข้างง่ายที่จะตรวจจับด้วยโปรแกรมคอมพิวเตอร์ เขาอธิบายในการให้สัมภาษณ์กับ ลงทะเบียน. เมื่อเปรียบเทียบแล้ว การกลายพันธุ์แบบโมเสกนั้นยากต่อการสังเกตเนื่องจากมีอยู่ในเซลล์ส่วนย่อยเท่านั้น
ตรงกันข้ามกับสิ่งที่คุณอาจได้รับการสอนในโรงเรียนประถม เมื่อเซลล์แบ่งตัว เซลล์เหล่านี้ไม่ใช่สำเนาที่สมบูรณ์ของกันและกัน มีการเปลี่ยนแปลงเล็กน้อยหรือการกลายพันธุ์ Gleeson อธิบาย การกลายพันธุ์เหล่านี้มักไม่เป็นอันตราย แต่บางครั้งก็นำไปสู่มะเร็งหรือโรคอื่นๆ สิ่งนี้ทำให้วิธีการระบุการกลายพันธุ์ที่อาจเป็นปัญหามีค่ามาก
แต่จนกระทั่งเมื่อไม่นานมานี้ "ไม่มีวิธีที่ดีในการระบุการกลายพันธุ์เหล่านั้นจากการจัดลำดับดีเอ็นเอ" เขากล่าว “สิ่งที่เรานำเสนอในบทความนี้เป็นวิธีใหม่ในการทำเช่นนั้น [ซึ่ง] ใช้ประโยชน์จากการเรียนรู้เชิงลึก”
ดำดิ่งสู่ DeepMosaic
เฟรมเวิร์ก DeepMosaic เองได้รับการฝึกอบรมบนโมเสก 180,000 รูปแบบโดยใช้โหนด GPU Nvidia Kepler K80 ซึ่งอยู่ในคลัสเตอร์คอมพิวติ้ง Comet ของ San Diego Supercomputing Center
เฟรมเวิร์กทำงานโดยการแปลงลำดับจีโนมให้เป็นรูปภาพ จากนั้นใช้เครือข่ายประสาทเทียมการเรียนรู้เชิงลึกเพื่อระบุการกลายพันธุ์ของโมเสก Xiaoxu Yang นักวิจัยหลังปริญญาเอกที่ทำงานในโครงการกล่าว ลงทะเบียน.
และไม่เหมือนกับโมเดลแมชชีนเลิร์นนิงบางโมเดล ใครก็ตามที่ใช้งาน DeepMosaic ไม่จำเป็นต้องกำหนดเงื่อนไขข้อมูลของตน เว้นแต่พวกเขาวางแผนที่จะฝึกโมเดลใหม่
เมื่อเปรียบเทียบกับวิธีการที่มีอยู่แล้ว นักวิจัยอ้างว่าแบบจำลองสามารถระบุการกลายพันธุ์เหล่านี้ด้วยความแม่นยำที่มากขึ้น และเมื่อเปรียบเทียบกับกระบวนการตรวจสอบด้วยตนเองที่ต้องใช้โดยวิธีทั่วไปแล้ว มันยังเร็วกว่าเป็นลำดับมากอีกด้วย Gleeson กล่าว
ด้วยแรงม้าของ GPU ที่เพียงพอ Yang กล่าวว่า DeepMosaic น่าจะสามารถบดขยี้โปรไฟล์จีโนมทั้งหมดได้ภายในหนึ่งชั่วโมง และในขณะที่โมเดลได้รับการฝึกฝนบน Comet นั่นไม่ได้หมายความว่าคุณต้องใช้ซูเปอร์คอมพิวเตอร์เพื่อเรียกใช้หรือแม้แต่ฝึกโมเดลใหม่ด้วยเช่นกัน เขาอ้างว่าอยู่ในขอบเขตของความเป็นไปได้โดยสิ้นเชิงสำหรับบางคนที่จะฝึก DeepMosaic โดยใช้เวิร์กสเตชันส่วนตัว
กรอบการทำงานยังมีข้อได้เปรียบที่แตกต่างกันเมื่อเทียบกับแบบจำลองที่พัฒนาขึ้นโดยคำนึงถึงโรคมะเร็งโดยเฉพาะ Yang กล่าว โปรแกรมเหล่านี้ส่วนใหญ่ต้องการตัวอย่างควบคุมที่ไม่ใช่มะเร็ง สิ่งนี้ทำให้การใช้พวกมันเพื่อระบุรูปแบบโมเสกไม่สามารถทำได้เนื่องจากการกลายพันธุ์อาจแพร่กระจายไปทั่วเนื้อเยื่อต่างๆ
DeepMosaic “เป็นอิสระจากการควบคุม หมายความว่าเราสามารถดูรูปแบบต่างๆ ที่ใช้ร่วมกันโดยเนื้อเยื่อต่างๆ ได้” เขากล่าว
นักวิจัยตั้งข้อสังเกตว่า DeepMosaic ซึ่งอย่างน้อยก็อยู่ในรูปแบบปัจจุบันนั้นใช้ไม่ได้ผลกับตัวอย่างมะเร็ง
แต่ตามที่กลีสันชี้ให้เห็น ความสามารถในการระบุการกลายพันธุ์เหล่านี้ได้อย่างถูกต้องเป็นขั้นตอนแรกในการพัฒนาวิธีการรักษาทางการแพทย์
โคลน Git ออกไป
นักวิจัยที่สนใจใช้งาน DeepMosaic ไม่ต้องไปไหนไกล เฟรมเวิร์ก เอกสารประกอบ และการสาธิตที่จำเป็นในการปรับใช้และทดสอบพร้อมให้ดาวน์โหลดแล้ว GitHub.
นอกเหนือจากโมเดลที่ได้รับการฝึกล่วงหน้าแล้ว นักวิจัยยังได้รวมเครื่องมือทั้งหมดที่จำเป็นในการฝึกโมเดลใหม่ในชุดข้อมูลของตนเอง
จากคำกล่าวของ Gleeson ยังมีช่องว่างอีกมากสำหรับการปรับปรุง “งานส่วนใหญ่ในปัจจุบันเกี่ยวกับพันธุศาสตร์ของมนุษย์นั้นมาจากบรรพบุรุษของชาวยุโรป” เขาอธิบาย พร้อมเสริมว่ามีโอกาสที่จะใช้เครื่องมือเหล่านี้กับบรรพบุรุษที่แตกต่างกัน
นอกเหนือจากการระบุลายเซ็นของโรคแล้ว DeepMosaic อาจมีแอปพลิเคชันในฟิลด์ที่อยู่ติดกัน “แบบจำลองของเราได้รับการปรับแต่งมาอย่างดีเพื่อระบุความแตกต่างเล็กน้อยในไฟล์ลำดับจีโนมจากบุคคลคนเดียว แต่ฉันคิดว่าเครื่องมือนี้น่าจะมีการใช้งานในด้านอื่นๆ” Gleeson กล่าว “ตัวอย่างเช่น ในทางนิติวิทยาศาสตร์ ที่เราได้ยินข่าวมากมายเกี่ยวกับการจับคู่ DNA กับฐานข้อมูลสาธารณะ”
โอกาสสำหรับเครื่องมือเช่น DeepMosaic เพื่อปรับปรุงสุขภาพและความเข้าใจของมนุษย์จะเพิ่มขึ้นอย่างต่อเนื่องเมื่อต้นทุนการจัดลำดับจีโนมยังคงลดลง Yang กล่าวเสริม ®
- เนื้อหาที่ขับเคลื่อนด้วย SEO และการเผยแพร่ประชาสัมพันธ์ รับการขยายวันนี้
- เพลโตบล็อคเชน Web3 Metaverse ข่าวกรอง ขยายความรู้. เข้าถึงได้ที่นี่.
- ที่มา: https://go.theregister.com/feed/www.theregister.com/2023/01/05/machine_learning_mutation_detector/
- 000
- 7
- a
- สามารถ
- เกี่ยวกับเรา
- ตาม
- ความถูกต้อง
- แม่นยำ
- ข้าม
- ที่เพิ่ม
- นอกจากนี้
- ความได้เปรียบ
- ข้อได้เปรียบ
- AI
- AI / ML
- ทั้งหมด
- และ
- ทุกคน
- การใช้งาน
- ใช้
- ที่เกี่ยวข้อง
- สิงหาคม
- ความหมกหมุ่น
- ใช้ได้
- เพราะ
- กำลัง
- ดีกว่า
- เทคโนโลยีชีวภาพ
- โรคมะเร็งเต้านม
- แคลิฟอร์เนีย
- ที่เรียกว่า
- โรคมะเร็ง
- เซลล์มะเร็ง
- สามารถ
- เซลล์
- ศูนย์
- การเปลี่ยนแปลง
- ข้อเรียกร้อง
- อ้างว่า
- Cluster
- การผสมผสาน
- อย่างไร
- ดาวหาง
- เมื่อเทียบกับ
- การเปรียบเทียบ
- คำนวณ
- คอมพิวเตอร์
- สภาพ
- ต่อ
- อย่างต่อเนื่อง
- ควบคุม
- ตามธรรมเนียม
- ราคา
- กระทืบ
- ปัจจุบัน
- ขณะนี้
- ข้อมูล
- ฐานข้อมูล
- ชุดข้อมูล
- ทศวรรษที่ผ่านมา
- ลึก
- การเรียนรู้ลึก ๆ
- การสาธิต
- ปรับใช้
- ปรับใช้
- พัฒนา
- ที่กำลังพัฒนา
- ดิเอโก
- ความแตกต่าง
- ต่าง
- โรค
- โรค
- ความผิดปกติ
- แตกต่าง
- ดีเอ็นเอ
- เอกสาร
- ดาวน์โหลด
- แต่ละ
- มีประสิทธิภาพ
- ทั้ง
- พอ
- ทั้งหมด
- อย่างสิ้นเชิง
- ในทวีปยุโรป
- แม้
- ที่มีอยู่
- อธิบาย
- ตก
- เร็วขึ้น
- สาขา
- ไฟล์
- ชื่อจริง
- นิติ
- ฟอร์ม
- กรอบ
- ราคาเริ่มต้นที่
- พันธุศาสตร์
- ไป
- ให้
- Go
- ดี
- GPU
- มากขึ้น
- ขึ้น
- ฮาร์วาร์
- สุขภาพ
- การได้ยิน
- ร้อน
- อย่างไรก็ตาม
- HTTPS
- เป็นมนุษย์
- แยกแยะ
- ระบุ
- ภาพ
- ปรับปรุง
- การปรับปรุง
- in
- ในอื่น ๆ
- รวม
- รวมทั้ง
- อิสระ
- ตัวอย่าง
- สนใจ
- สัมภาษณ์
- IT
- ตัวเอง
- JOE
- วารสาร
- ชื่อสกุล
- นำ
- การเรียนรู้
- ชั้น
- ที่เชื่อมโยง
- การเชื่อมโยง
- ดู
- Lot
- เครื่อง
- เรียนรู้เครื่อง
- ทำให้
- คู่มือ
- การจับคู่
- ความหมาย
- ทางการแพทย์
- วิธีการ
- ใจ
- แบบ
- โมเดล
- มากที่สุด
- หลาย
- ธรรมชาติ
- จำเป็น
- จำเป็นต้อง
- เครือข่าย
- เครือข่ายประสาท
- ใหม่
- ข่าว
- โหนด
- เด่น
- Nvidia
- เสนอ
- เปิด
- โอเพนซอร์ส
- โอกาส
- โอกาส
- คำสั่งซื้อ
- อื่นๆ
- ของตนเอง
- กระดาษ
- สมบูรณ์
- คน
- ส่วนบุคคล
- แผนการ
- เพลโต
- เพลโตดาต้าอินเทลลิเจนซ์
- เพลโตดาต้า
- ความอุดมสมบูรณ์
- จุด
- ความเป็นไปได้
- ที่อาจเกิดขึ้น
- ประยุกต์
- ทำนาย
- นำเสนอ
- ประถม
- อาจ
- ปัญหา
- กระบวนการ
- ศาสตราจารย์
- โปรไฟล์
- โปรแกรม
- โครงการ
- เสนอ
- ที่พิสูจน์แล้ว
- สาธารณะ
- อย่างรวดเร็ว
- RE
- ดินแดน
- เมื่อเร็ว ๆ นี้
- เมื่อเร็ว ๆ นี้
- สัมพัทธ์
- ต้องการ
- จำเป็นต้องใช้
- นักวิจัย
- นักวิจัย
- ห้อง
- วิ่ง
- กล่าวว่า
- ซาน
- ซานดิเอโก
- โรงเรียน
- นักวิทยาศาสตร์
- ลำดับ
- ที่ใช้ร่วมกัน
- สั้น
- น่า
- ลายเซ็น
- ตั้งแต่
- เดียว
- So
- ซอฟต์แวร์
- บาง
- บางคน
- แหล่ง
- เฉพาะ
- สเปกตรัม
- สปิน
- จุด
- กระจาย
- ขั้นตอน
- ยังคง
- อย่างเช่น
- ซูเปอร์คอมพิวเตอร์
- ซูเปอร์คอมพิวเตอร์
- ระบบ
- ใช้เวลา
- เทคนิค
- ทดสอบ
- พื้นที่
- ของพวกเขา
- ในสัปดาห์นี้
- ตลอด
- ไปยัง
- เครื่องมือ
- เครื่องมือ
- หัวข้อ
- ไปทาง
- รถไฟ
- ผ่านการฝึกอบรม
- ชนิด
- ความเข้าใจ
- มหาวิทยาลัย
- มหาวิทยาลัยแห่งแคลิฟอร์เนีย
- มักจะ
- มีคุณค่า
- การตรวจสอบ
- การสร้างภาพ
- สัปดาห์
- อะไร
- ที่
- ในขณะที่
- จะ
- ภายใน
- วอน
- งาน
- การทำงาน
- โรงงาน
- เวิร์กสเตชัน
- ปี
- คุณ
- ลมทะเล