深圳子科生物報(bào)道：近年來(lái)遺傳學(xué)迅猛發(fā)展，許多科學(xué)家們希望能借此找到一種清晰，快速的方法進(jìn)行基因組序列掃描，找出各種可以表達(dá)的基因，和不能表達(dá)的基因。基因表達(dá)是基因內(nèi)編碼的信息，用于產(chǎn)生關(guān)鍵產(chǎn)物（如蛋白質(zhì)）的過(guò)程。

然而令人驚訝的是，迄今為止這還只是一個(gè)希望。不過(guò)加州大學(xué)圣地亞哥分校的生物學(xué)家開(kāi)發(fā)出第一個(gè)基于機(jī)器學(xué)習(xí)確定基因表達(dá)的系統(tǒng)。鑒于缺乏這種方法，新方法被認(rèn)為是生物學(xué)家的一種遺傳學(xué)“Rosetta Stone”（Rosetta Stone是一款專(zhuān)業(yè)的多媒體語(yǔ)言教學(xué)程序，可以提供有效的語(yǔ)言學(xué)習(xí)方法，生物通注）。

這一研究成果公布在8月12日PNAS雜志上，由加州大學(xué)圣地亞哥分校生物科學(xué)系教授Steve Briggs領(lǐng)導(dǎo)完成，Briggs作為美國(guó)科學(xué)院院士，在分子生物學(xué)領(lǐng)域建樹(shù)頗多，成果斐然。

對(duì)于這項(xiàng)研究，他表示“這篇論文提出了區(qū)分是否可以表達(dá)的基因的第一種方法，這是所有生物學(xué)的基礎(chǔ)。無(wú)論是藥物發(fā)現(xiàn)還是植物育種或進(jìn)化，都需要生物學(xué)的基礎(chǔ)研究?！?

生物學(xué)家之前已經(jīng)通過(guò)實(shí)驗(yàn)觀察和科學(xué)文獻(xiàn)參考將基因表達(dá)分類(lèi)。但是基因組學(xué)領(lǐng)域缺乏一種形式化的過(guò)程來(lái)揭示這種信息，稱(chēng)為“可表達(dá)基因集”，即EGS（expressible gene set），它包含所有可能表達(dá)的蛋白質(zhì)編碼基因。

“在生物學(xué)方面，沒(méi)有辦法做到這一點(diǎn)，”Briggs說(shuō)，“過(guò)去我們只有制作目錄的經(jīng)驗(yàn)方法，還沒(méi)有基于其分子特征對(duì)基因進(jìn)行分類(lèi)的科學(xué)標(biāo)準(zhǔn)。”

這一新方法利用機(jī)器學(xué)習(xí)，通過(guò)算法和其他過(guò)程來(lái)分析數(shù)據(jù)，并基于包含特定的，詳細(xì)的分子特征的近30,000個(gè)基因的數(shù)據(jù)集，對(duì)數(shù)據(jù)進(jìn)行了高級(jí)算法訓(xùn)練，讓它“學(xué)會(huì)”將基因表達(dá)分類(lèi)，完成精確度高達(dá)99.4％。

其中的關(guān)鍵是在于將染色質(zhì)生物學(xué)和確定基因表達(dá)的分子特征結(jié)合在一起，前者有助于調(diào)節(jié)細(xì)胞內(nèi)的DNA包裝。將這些與數(shù)學(xué)機(jī)器學(xué)習(xí)相結(jié)合，確定物種范圍的轉(zhuǎn)錄基因組，或稱(chēng)為“表達(dá)組”，然后創(chuàng)建可表達(dá)基因的圖譜。而且這種方法也可用于理解沉默某些基因的進(jìn)化機(jī)制。

Briggs現(xiàn)在正在將這種方法應(yīng)用于高粱，這是一種重要的食物和飼料谷物，他認(rèn)為新方法就像一個(gè)單詞解碼器，“就像是Rosetta Stone”。

“基因組序列就像一本書(shū)，這些詞是基因。直到現(xiàn)在，我們還不知道哪些DNA序列是真正的單詞，哪些只是組合詞語(yǔ)。通過(guò)刪除非單詞的部分，我們現(xiàn)在可以更準(zhǔn)確地閱讀這本書(shū)。”