Искусственный интеллект задействовали ученые для секвенирования генома

Методы машинного обучения для повышения чувствительности технологии секвенирования геномов разработали исследователи из университета Осаки, 14 мая сообщает журнал Small Methods.

Исследователи применили метод под названием Noise2Noise, который первоначально был разработан для улучшения изображений. С помощью него ученые смогли улучшить разрешение зашумленных цепей измерения, даже несмотря на отсутствие чистых данных.

Миниатюризация открыла возможность для разработки широкого спектра диагностических инструментов. С помощью них появилась возможность идентифицировать заболевания на месте оказания медицинской помощи. Это позволяет сократить время на выявление патогенов и не требует больших образцов.

Например, неизвестные частицы можно анализировать, пропуская их через нанопоры и регистрируя крошечные изменения электрического тока. Однако интенсивность этих сигналов может быть очень низкой и часто скрывается под случайным шумом.

Большинство методов машинного обучения необходимо обучить множеству «чистых» примеров, прежде чем они смогут интерпретировать зашумленные наборы данных.

«Глубокое шумоподавление позволило нам выявить слабые особенности в сигналах ионного тока, скрытые случайными флуктуациями. Наш алгоритм был разработан для выбора функций, которые наилучшим образом отображают входные данные, что позволяет компьютеру обнаруживать и вычитать шум из необработанных данных»,  — говорит Макусу Цуцуи.

Этот метод может расширить возможности зондирования нанопор для быстрого и точного обнаружения инфекционных заболеваний, что приведет к гораздо более точным диагностическим тестам, даже когда основной сигнал очень слаб.