یاد گیری عمیق می تواند الگوی مولکولی سرطان را تشخیص دهد

براساس تحقیقات جدید منتشر شده در ژورنال Life Science Alliance

، یک الگوریتم جدید یادگیری عمیق می تواند به سرعت و با دقت چندین نوع داده ژنومی از تومورهای کولورکتال را برای طبقه بندی دقیق تر تجزیه و تحلیل کند ،

که می تواند به بهبود تشخیص و گزینه های درمانی مرتبط کمک کند.

برای بررسی ویژگی های بیشماری موجود در مواد ژنتیکی ،

از جمله بیان ژن ، جهش های تک نقطه ای و تعداد نسخه های DNA

، آکالین و دکتری. دانشجو جاناتان رونین پلت فرم یکپارچه سازی Multi-omics Autoencoder Integration — MAUI را به طور خلاصه طراحی کرد.

یاد گیری عمیق چگونه کار می کند

یادگیری ماشین نظارت شده به طور معمول به متخصصان انسانی نیاز دارد

تا داده ها را برچسب گذاری کرده و سپس الگوریتمی را برای پیش بینی آن برچسب ها آموزش دهند.

به عنوان مثال ، برای پیش بینی رنگ چشم از تصاویر چشم ، محققان ابتدا الگوریتم را با عکس هایی که رنگ چشم در آن مشخص شده است تغذیه می کنند.

این الگوریتم یاد می گیرد که رنگ های مختلف چشم را شناسایی کند

و می تواند داده های جدید را بطور مستقل تجزیه و تحلیل کند.

در مقابل ، یادگیری ماشین بدون نظارت شامل آموزش نیست.

یک الگوریتم یاد گیری عمیق داده ها را بدون برچسب تغذیه می کند

و برای یافتن الگوهای مشترک یا ویژگی های نماینده ، که به آنها فاکتورهای نهفته گفته می شود ، از طریق آن الک می کنند.

به عنوان مثال ، این نوع الگوریتم می تواند تصاویر صورت هایی را که به هیچ وجه برچسب گذاری نشده اند پردازش کند ،

سپس ویژگی های کلیدی مانند رنگ چشم ، شکل ابرو ، شکل بینی و لبخند ها را مشخص کند.

به عنوان یک بستر یاد گیری عمیق ، MAUI قادر به تجزیه و تحلیل چندین مجموعه داده “omics” و شناسایی مناسب ترین الگوهای یا ویژگی ها است ،

در این حالت ژنها یا مسیرهای مربوط به سرطان روده بزرگ را مشخص می کند.