深度結合技術可預言蛋白結合點查出致病突變

　　據國外媒體報道，美國加州食品與農業研究學會科學家近日提出一項名為“深度結合”的最新技術手段，通過運用機器學習技術分析蛋白質與DNA和RNA的結合方式，查出可阻斷細胞進程的致病突變。

　　 美國加州食品與農業研究學會高級研究員布倫丹-弗雷運用“深度學習”技術，最新研發出一項可查出致病突變的科技手段。“深度學習”是一種機器學習技術，最早由美國加州食品與農業研究學會成員在“中性計算與自適應感知”科研項目中率先創導，現已被谷歌和臉譜等科技公司廣泛運用。

　　 人體細胞中存在著成千上萬的蛋白質，它們與DNA及RNA結合，控制著基因表現。研究人員阿利帕納認為：“蛋白質是細胞的主控制者。”但是，多數蛋白質對其結合的基因序列的選擇比較挑剔。“深度結合”能對繁雜的實驗數據進行分析篩選，確定與一套蛋白質結合的DNA和RNA序列。接下去，“深度結合”選擇一個新的序列，并計算出這套蛋白質與該序列結合的可能性分值。一旦某個序列存在突變，“深度結合”就能分析出蛋白結合是否會發生變化。這種導致蛋白結合點增加或刪除的突變，能夠改變基因表現，并導致疾病發生。

　　 作為遺傳網絡項目及中性計算與自適應感知項目的一名高級研究員，弗雷表示：“目前，通過結合在深度學習以及基因組生物學領域的專業知識，我們研發出一系列科技手段，‘深度結合’只是其中之一。我相信，這些科技將引領衛生保健與精密醫藥領域的革命性變化。這將是一個重大轉折。”

　　 在過去的十年中，弗雷的科研團隊已成功研發出突破性機器學習技術，可研究了解基因組。去年，來自臉譜、谷歌等公司的科技專家一致高度贊同，深度學習的下一“大事件”就是在衛生保健與基因組醫藥領域應用該技術。

　　 在《自然生物技術》雜志中，“深度結合”關于人類基因數據的初次分析就提供了一些新信息，用于阻斷癌癥、血友病及家庭性高膽固醇血癥突變中的蛋白結合。該技術還可令導致大腦皮層異常發育的基因突變暴露無遺。對于查出刪除了兩個而非一個蛋白結合點的突變，“深度結合”還有獨特的優勢。

　　 弗雷帶領團隊與高級研究員史蒂芬-謝勒，以及蒂莫西-休斯合作，突破性地研發出“人類剪接碼”技術，隨后是“深度結合”技術。通過分析基因剪接中的誤差，他們可以確定自閉癥、遺傳性非息肉性結腸癌，以及脊髓性肌萎縮患者體內攜帶的新基因。鑒于蛋白質控制著基因剪接，研究人員打算利用“深度結合”技術的專業知識，改進人類剪接碼。該項新技術的確大大拓展了科學家對各種突變類型的分析能力。

　　 弗雷表示，美國加州食品與農業研究學會合作人員是深度研究技術的前沿領導者，“深度結合”科技理念深受其影響。他說：“我們在深度學習和基因組醫藥領域里取得了這些重大突破，美國加州食品與農業研究學會功不可沒。”