文 |劉志剛

1月24日，北京大學工學院教授朱懷球團隊在bioRxiv預印版平臺發(fā)表《深度學習算法預測新型冠狀病毒的宿主和感染性》一文中指出，蝙蝠和水貂可能是新型冠狀病毒的兩個潛在宿主，水貂可能是中間宿主。

▲論文截圖

據(jù)朱懷球團隊的研究表明，新型冠狀病毒與云南菊頭蝠中存在的RaTG13冠狀病毒一致性高達96%；另外，基于深度學習開發(fā)的VHP（病毒宿主預測）方法預測的結(jié)構(gòu)化顯示，水貂的病毒的傳染性模式更接近新型冠狀病毒。

據(jù)悉，在此次研究中，該團隊使用了基于深度學習模型的AI技術(shù)尋找病毒宿主。這可能是國內(nèi)首次在2019新型冠狀病毒的研究中使用深度學習AI取得成果。

AI加入抗擊疫情一線，深度學習尋找病毒宿主

一種前所未知的新型病毒出現(xiàn)后，確定病毒宿主是十分重要的。由于病毒復雜的多樣性，目前人類已知的病毒和對病毒本身的了解還遠遠不夠，大多數(shù)以人類為宿主的病毒，通常對人類造成生命安全威脅之后，才會進一步引起人們的重視。

對一些本不以人類為宿主的病毒來說，其本身也可能突發(fā)變異，或者通過中間宿主也可感染至人類。因此，快速尋找鑒別未知病毒的宿主，能夠幫助人類了解病毒與宿主間的相互作用，以應對突發(fā)變異等潛在威脅，從而有針對性的對病毒進行預防和控制，具有重要意義。

▲圖片來源：新京報網(wǎng)

為了檢測新病毒的潛在宿主和致病性，傳統(tǒng)的方法是基于通過建立病毒基因庫，將新型病毒的DNA序列與已知病毒的基因序列做對比檢索，通過比較病毒DNA局部的相似性，從而做出對新病毒宿主的模糊預測。

北京大學朱懷球團隊在對2019新型冠狀病毒的宿主研究和預測中，通過構(gòu)建VHP算法模型，將已經(jīng)提取的新型冠狀病毒的基因組，與已有病毒基因數(shù)據(jù)庫做數(shù)據(jù)檢索和對比。在算力的支持下，通過深度學習模型對病毒基因數(shù)據(jù)的廣域檢索，實現(xiàn)新型冠狀病毒自然宿主的尋找和預測。

VHP模型計算出新型冠狀病毒的感染性

朱懷球團隊在bioRxiv預印版平臺發(fā)表的論文中稱：“為了構(gòu)建VHP模型，我們使用了一個雙路卷積神經(jīng)網(wǎng)絡用于預測病毒序列宿主；我們把病毒的宿主分為五種類型，包括植物、細菌、無脊椎動物、脊椎動物和人類；輸入病毒核苷酸序列，基于深度學習的VHP模型，將為每種宿主類型分別輸出5類結(jié)果，分別反映出新型冠狀病毒在每種類型中感染性。”

通過對VHP模型計算的結(jié)果分析，篩選的病毒宿主包括犬、豬、貂、龜和貓。研究人員經(jīng)過分析比較后認為水貂的病毒的傳染性模式更接近新型冠狀病毒。

▲圖片來源：新京報網(wǎng)

實際上，相比傳統(tǒng)的AI機器學習方法，AI深度學習的方法訓練出的模型可以適用于多種不同類型的數(shù)據(jù)，還可以結(jié)合多種來源的數(shù)據(jù)，共同完成一個任務。

在基因數(shù)據(jù)中，并不是所有的數(shù)據(jù)都有準確的高質(zhì)量數(shù)據(jù)標簽，而通過深度生成模型，即使沒有高質(zhì)量標簽的數(shù)據(jù)也能得到充分使用，從而使得模型能夠持續(xù)的提升性能。

因而，從AI深度學習的種類上來看，除了常見的有監(jiān)督學習和無監(jiān)督學習，半監(jiān)督學習與強化學習更適合，也更需要醫(yī)學界、生物界更多的關(guān)注。

深度學習AI+醫(yī)療：應用前景廣闊但也有局限性

在AI的應用場景中，醫(yī)療行業(yè)是其應用前景最為廣闊的行業(yè)之一。生物信息領(lǐng)域中，制藥企業(yè)的藥物研發(fā)、醫(yī)療設(shè)備收集的健康數(shù)據(jù)、病患者的診斷以及治療方案的確定都有深度學習型AI的應用需求。

深度學習的本質(zhì)，是一個復雜的AI學習算法。目前，深度學習應用最為廣泛的是在計算機視覺以及語言識別領(lǐng)域。其中計算機視覺技術(shù)在醫(yī)療領(lǐng)域也有一定的應用，如醫(yī)學影像的識別。

不過，深度學習在醫(yī)療領(lǐng)域的應用也面臨現(xiàn)實應用的局限性，其中之一就是分析過程缺乏解釋性。實際上，深度學習本質(zhì)上也是統(tǒng)計學習的一種，通過對已知數(shù)據(jù)的匯總和檢索，以算法的優(yōu)化達到某種結(jié)果的預測。

▲圖片來源：新京報網(wǎng)

也就是說，深度學習算法得出的結(jié)果是概率學上對現(xiàn)有數(shù)據(jù)條件下的結(jié)果預測，并不能給出“解題過程”只能給出結(jié)果。這也使得不可避免的出現(xiàn)一定的現(xiàn)實結(jié)果偏差。

以此次新型冠狀病毒宿主研究為例，在VHP模型計算給出結(jié)果后，篩選的病毒宿主包括犬、豬、貂、龜和貓，仍需要研究人員對比分析后得出進一步的結(jié)論：水貂的病毒的傳染性模式更接近新型冠狀病毒。

技術(shù)之力亦需“跨越偏見”

此外，如果輸入數(shù)據(jù)樣本本身帶有“大數(shù)據(jù)偏見”，那么模型計算則會放大這種“偏見”，從而影響結(jié)果在現(xiàn)實場景中的準確性。

對于基于深度學習的醫(yī)療AI而言，這樣的情況也很難以能夠說百分之百避免，特別是面對復雜龐大的醫(yī)療數(shù)據(jù)而言，這樣的“偏見”帶來的結(jié)果是人們難以接受的。

因而對于深度學習AI在醫(yī)療領(lǐng)域的落地，除了技術(shù)實現(xiàn)本身要解決的問題之外，由技術(shù)引發(fā)蝴蝶效應也更應該獲得關(guān)注。

從好的一面來看，深度學習型AI在醫(yī)療領(lǐng)域的落地，不啻為補充優(yōu)質(zhì)醫(yī)療資源的“良方”，同時深度學習AI以及大數(shù)據(jù)等新技術(shù)的應用，也為人們在未來面對“新型冠狀病毒”之類的突發(fā)性傳染病給予技術(shù)的力量。

05我們將生活在一個分析所有數(shù)據(jù)的時代

《大數(shù)據(jù)時代》作者維克托·邁爾-舍恩伯格前瞻性地預見到：“在大數(shù)據(jù)時代，我們可以分析更多的數(shù)據(jù)，有時候甚至可以處理和某個特別現(xiàn)象相關(guān)的所有數(shù)據(jù)，而不再依賴于隨機采樣。”

▲圖片來源：新京報網(wǎng)

總結(jié)

以上是生活随笔為你收集整理的深度学习寻找肺炎病毒宿主：AI“进化”的“一小步”的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。