研究人员创建了一个用于基因组学的神经网络

纽约大学计算机科学家团队创建了一个神经网络，可以解释它如何实现预测。这项工作揭示了神经网络(驱动人工智能和机器学习的引擎)功能的原因，从而阐明了一个在很大程度上向用户隐藏的过程。

这一突破集中在近年来流行的神经网络的特定用途上——解决具有挑战性的生物学问题。其中包括对 RNA 剪接复杂性的检查——该研究的焦点——它在将信息从 DNA 转移到功能性 RNA 和蛋白质产物中发挥着作用。

纽约大学库朗数学科学研究所计算机科学教授奥德·雷格夫 (Oded Regev) 表示：“许多神经网络都是黑匣子，这些算法无法解释它们的工作原理，引发人们对其可信度的担忧，并阻碍理解基因组编码的潜在生物过程的进展。”以及该论文的资深作者，该论文发表在《国家科学院院刊》上。“通过利用一种提高机器学习训练数据数量和质量的新方法，我们设计了一个可解释的神经网络，可以准确预测复杂的结果并解释它是如何得出预测的。”

Regev 和这篇论文的其他作者，Courant 研究所的研究员 Susan Liao 和当时的 Courant 博士生 Mukund Sudarshan，基于已知的 RNA 剪接知识创建了一个神经网络。

具体来说，他们开发了一个模型——相当于高倍显微镜的数据驱动模型——使科学家能够追踪和量化 RNA 剪接过程，从输入序列到输出剪接预测。

Regev 指出：“利用‘可解释设计’方法，我们开发了一种神经网络模型，可以深入了解 RNA 剪接——这是基因组信息转移的基本过程。” “我们的模型表明，RNA 中的一种小型发夹状结构可以减少剪接。”

研究人员通过一系列实验证实了他们的模型提供的见解。这些结果与模型的发现相符：每当RNA分子折叠成发夹结构时，剪接就会停止，而当研究人员破坏这种发夹结构时，剪接就会恢复。

该研究得到了国家科学基金会 (MCB-2226731)、西蒙斯基金会、生命科学研究基金会、额外风险职业发展奖和 PhRMA 奖学金的资助。