各国政府采取各种措施抗击新冠疫情，全球疫情形势依然严峻，人们对有效疫苗的期盼空前迫切。美国一项基于RNA结合蛋白的疫苗试验为志愿者注射了一种类似但不致命的冠状病毒。尽管研究人员迅速开展了人体试验并减少了动物试验，但距离新冠疫苗获批至少还需要18个月的时间。现在的问题是，能否加快疫苗生产进程？如何？答案在于技术领域，而不是医学领域。深度学习是一种基于人工智能的方法，它使用反向传播算法让人工智能机器改变其内部指标，从而改变前一层中每个新层数据表示的计算方式。深度学习促进了语音识别、图像检测、面部识别甚至药物开发等创新技术的发展。深度学习在加速开发有效的COVID-19疫苗方面继续发挥重要作用。什么是深度学习？前面已经讨论了深度学习和算法学习的反向传播方法之间的关系。现在将深度学习与机器学习进行比较。机器学习中主要有三种学习方法：监督学习无监督学习强化学习但是，所有这些学习方法都依赖于结构化数据；而深度学习使用ANN（人工神经网络）层。简而言之，机器学习使用分配给对象的特定标签进行分类，而深度学习将使用网络层来定义对象特征的层次结构。什么是视黄醇结合蛋白？RBP或视黄醇结合蛋白可用作病毒和目标疾病细菌的替代物，从而引发人类抗体来抵御疾病。为了纪念有效的基因组研究和疫苗构建，RBP位点有望像针对非洲间日疟原虫一样针对RBP挑战。RBP靶位点是基于核糖核酸相互作用预测的，并且RBP靶位点已经通过建立的许多现有模型进行了全面研究。有两种最流行的方法。图片来源：Unsplash特征级融合方法：核糖核酸相互作用位点的预测因子是根据序列信息开发的。当今关于人类基因组和疾病研究的一切都需要RNA测序，这已不是什么秘密。就像应用程序开发结构中使用的编码语言。这些测序数据是从不同来源收集的，例如细胞活动、基因组序列变化等。将这些数据和特征融合成一个单一的高维特征可以用来预测RBP。但是，它在尺寸上有缺陷，需要更多的时间。决策级融合：这种方法提出了五种不同的学习模型。这些模型适用于核糖核酸相互作用的不同方面，如基因组序列、二级序列、基因组本体信息、核糖核酸相互作用的区域类型等。最终将这些模型的结果融合在一起，预测核糖核酸相互作用位点。使用新颖的深度学习方法预测RBP位点发现RNA相互作用位点或RBP位点对于基于基因组的研究至关重要，尤其是在药物发现领域。现在，研究人员正在探索一种名为iDeep的深度学习方法，用于预测RBP位点，以帮助开发新冠病毒疫苗。研究人员常用的两种预测模型都有一个共同的缺点。他们都使用从观察数据中提取的特征，这可能是错误的。深度学习提供了一种独特的方法，可用于混合多层抽象。这些抽象层通过高级抽象空间放大数据。基于深度学习的模型的独特之处在于它们集成了异构数据并从原始输入中学习复杂的模式。AdeeplearningframeworkDBN(DeepBeliefNetwork)forRBPsitepredictionforcoronavirusvaccineresearch：这是一种深度学习算法，可以优化大量数据中高级特征的学习。Deep-netrbp是另一种预测视黄醇结合蛋白相互作用位点和深度信念网络的算法。CNN（卷积神经网络）：这是不同于传统统计学习模型的另一种深度学习模型。它将特征提取和模式或特征的学习结合在一步而不是两步中。这减少了提取的特征与模型学习的特征不匹配的可能性。CNN模型用于根据模型对输入数据使用的过滤器来识别模式，从而识别核糖核酸基序。核糖核酸基序是用于构建核糖核酸结构的特殊核糖核酸序列。iDeep框架：iDeep是一个多模型框架，通过结合多个卷积神经网络和深度信念网络模型创建。混合网络对顺序数据使用卷积神经网络模型，对二进制或数字数据使用深度信念网络模型。使用混合框架组合不同的深度神经网络将使用原始输入数据进行训练。此外，这些模型的训练结果是从不同的抽象层调整的，并且抽象层使用反向传播方法从每个模型共享的顶部公共层调整到底部的单个抽象层。接下来，提取整个模型中的潜在特征，这些特征将进一步用于深度学习算法的学习，以预测靶向核糖核酸相互作用的RBP位点。如何帮助研究人员更快地开发疫苗？冠状病毒疫苗的研发目前已经进入人体试验阶段，需要确定RBP位点以有效靶向mRNA以获得更好的效果。iDeep探索了一个多层混合框架，允许模型逐层学习。通过这种方法，研究人员可以通过连续的特征层学习来提高核糖核酸相互作用位点检测的准确性。iDeep模型促进了创建层输出的过程，这些输出用作后续层的输入。iDeep模型集成了卷积神经网络和深度信念网络，两者都有助于该过程。卷积神经网络有助于学习和捕获RNA测序的调控基序。DeepBeliefNetworks可以从原始输入数据中捕获和提取高端特征。因此，可以通过利用不同来源的RNA-蛋白质结合来提高分选能力。共享抽象层和底层个体层的融合使得iDeep框架的功能处理变得非常容易。与现有框架相比，iDeep可以轻松加速核糖核酸相互作用位点的预测，提供准确无误的结果。来源：unsplash不可否认，人工智能已经成为人类抗击疫情最重要的工具之一。如果研究人员可以使用深度学习方法来加速冠状病毒疫苗的开发，那么许多生命就可以得到挽救，世界也会早日重回正轨。这值得期待！本文转载自公众号《读书芯》（ID：AI_Discovery）
