Deep Genomics(深度基因組學)?
這里舉個例子,某市突然停電了,為了搞清楚為什么停電,有兩種辦法:更先進種是把所有電線全都排查一遍,然后找到損壞的地點;第二是選那些平時就很容易損壞的地點去排查。如果我們對100個不同城市的斷電原因做統(tǒng)計分析,不難發(fā)現(xiàn)有些原因出現(xiàn)的頻率高,有些原因出現(xiàn)的頻率低。而常規(guī)的基因檢測只檢測發(fā)生頻率高的地方,而發(fā)生頻率低的地方就被忽視了。
在制作機器人的過程中,錯誤可能出現(xiàn)在圖紙(基因)上,也可能出現(xiàn)在材料切割圖上。兩種錯誤都可能導致機器人功能異?!,F(xiàn)在的基因檢測,分析了基因中出現(xiàn)頻率高的變異對疾病的影響,而嚴重忽視了基因剪切變異對疾病的影響。原因無外乎控制基因剪切變異的出現(xiàn)頻率低,沒有統(tǒng)計學意義。但是它們的數(shù)量卻是巨大的--數(shù)以億計。而且對于個性化正確醫(yī)學來講,每一個個體,哪怕是只是世界上先進的一個病例,我們也應(yīng)當有為他帶來健康的責任和義務(wù)。做為基因解碼的基礎(chǔ)技術(shù)的深度基因組技術(shù)(Deep Genomics)可以對3.28億個SNVs如何影響RNA(制作模具的材料)剪切的預測。
根據(jù)目前基因檢測的思路,是很難對這些SNVs進行分析的。因此,基因解碼的深度基因組技術(shù)(Deep Genomics)引入了深度學習的人工智能技術(shù)。首先基因解碼團隊建立了一個數(shù)學模型,然后輸入健康人的全基因組序列和RNA序列,對模型進行訓練,使模型學到健康人的RNA剪切模式;接下來,通過佳學基因的結(jié)構(gòu)功能基因組學方法對訓練后的模型進行確認和校正;賊后使用幾個目前已知的病例數(shù)據(jù),檢驗模型判斷的正確性。在這一思路的指導下,佳學基因采用深度基因組技術(shù)Deep Genomics推出了他們的更先進款產(chǎn)品致病基因鑒定基因解碼,它們可以對世界上哪怕是先進的病列進行分析,可以找到導致疾病發(fā)生的原因,根據(jù)發(fā)病原因可以設(shè)計個性化治療方案,幫助后供或者二胎不再患病。