Strona główna
Google nauczyło sztuczną inteligencję analizować DNA
Sztuczna inteligencja, której pierwotnym zadaniem była analiza obrazów w celu ich rozpoznawania, nauczyła się analizować struktury DNA pod kątem występujących w nich mutacji. W tym tygodniu ukazała się najnowsza wersja algorytmu - DeepVariant.
Kod algorytmu udostępniony jest w otwartym repozytorium. Osoby z zewnątrz mogą go nie tylko przejrzeć, ale też modyfikować w ograniczonym zakresie.
DeepVariant działa poprzez analizę wariantów zawartych w sekwencji DNA zwracając jedną, długą sekwencję. Tymczasem, do tej pory problemem była fragmentacja nachodzących na siebie ciągów danych, które zwracały urządzenia służące do analizy sekwencji. Fragmenty przez nie zwrócone podlegały w dalszej kolejności analizie oraz porównaniom z genomami, których sekwencje są już znane.
Algorytm stworzony przez Google został wyszkolony w oparciu o duże ilości danych, które pozwoliły mu na zidentyfikowanie części informacji mających większy wpływ na fragment DNA a także tych, które są całkowicie pozbawione wpływu na sekwencję. DeepVariant analizuje DNA również w oparciu o istniejące już dane na temat mutacji, zwracane w wyniku wcześniej powstałych błędów analiz.
Aby do analizy DNA wykorzystać algorytm, którego wcześniejszym zadaniem było rozpoznawanie obrazów, zespół badaczy Google'a postanowił przedstawić sekwencje genotypu za ich pomocą. Kolejnym składnikom analizy przypisano kolory: literom tworzącym sekwencję - kolor czerwony, jakości sekwencji dla określonej lokalizacji - kolor zielony, dookreśleniu nici splotu DNA, w której znajduje się lokalizacja - kolor niebieski. Połączone barwy stworzyły rozpoznawalny dla algorytmu format znany jako RGB (Red, Green, Blue - PAP).
Obecnie DeepVariant analizuje siedem warstw danych, a nie jedynie trzy określane przez kolory. Według badaczy, jego zastosowanie obecnie nie zmieni wyników prowadzonych badań genetycznych, ale z pewnością wyznacza nowy kierunek rozwoju dla zastosowania sztucznej inteligencji w dziedzinie.
Zdaniem zespołu odpowiedzialnego za stworzenie algorytmu DeepVariant, pomysł stosowania wielowarstwowych struktur danych, z jakich korzysta mechanizm, może być pomocny również dla rozwiązywania innych problemów genetyki, takich jak np. prognozowanie wpływu określonych mutacji na organizm.
