“可视化”人工神经网络揭示细胞内部活动

人工智能（AI）已可以执行多种通常需要人类完成的复杂任务，比如面部识别、翻译语言和玩游戏。而深度学习网络，是机器学习中一种基于对数据进行表征学习的方法，也被称为人工神经网络，本身是在现代神经科学研究成果的基础上提出的，试图通过模拟大脑神经网络处理、记忆信息的方式来进行信息处理。现在，深度学习网络越来越多地用于生物数据分析自动化。

深度学习模型的一个挑战，是它们的“黑箱”性质，也就是说无法轻易鉴定一个模型执行某项任务时的过程。科学家们认为，在生物应用方面，调查深度学习模型如何识别和处理所分析的数据的能力，或可以帮助研究者更好地理解这些数据背后的生物学。

此次，美国加州大学圣地亚哥分校研究人员特雷·艾德克及其同事，通过将一个深度学习算法的结构映射在已知细胞内分子系统的结构上，创建了一个“可视的”人工神经网络。团队通过实验表明，一旦模型完成训练，它便能够预测遗传变化的生理影响。

此外，由于模型的组分均可获取，它也能让科学家更好地理解基因与生理特征之间的关系及其背后机制。研究人员还表明，这种“可视”的神经网络可用于理解遗传逻辑，鉴定哪些分子系统对特定生理特征有重要影响，以及发现细胞中不为人知的新过程。