最近基因產(chǎn)業(yè)有點兒火。上月17日，華大基因宣布組建以人工智能為核心的新業(yè)務(wù)機構(gòu)，引起業(yè)界一片猜測;接著7月29日央視全面聚焦精準(zhǔn)醫(yī)療，大篇幅介紹了基因檢測，一下子連街頭的大爺大媽們都嘮起了基因。然而就在這期間，加拿大一家叫Deep Genomics的公司悄然成立了，并迅速占領(lǐng)了國外各大媒體的頭條。

那么這家公司究竟在做什么?又有哪些過人之處?讓我們先看看國外的媒體評價。加拿大的《環(huán)球郵報》表示“這家多倫多創(chuàng)業(yè)公司意圖撼動基因測序市場”;而美國《媒體》則評價說“Deep Genomics，一家將深度學(xué)習(xí)的能量帶到基因組學(xué)的創(chuàng)業(yè)公司”;Gizmag稱“Deep Genomics意欲借助深度學(xué)習(xí)改革基因醫(yī)療”;《連線》之前的報道稱“機器智能破譯遺傳控制”;《科學(xué)美國人》說得很玄乎，“我們DNA的某些角落暗藏疾病線索–深度學(xué)習(xí)之光照亮基因突變鮮為人知的角落”。

總結(jié)下來，Deep Genomics就是人工智能和基因組學(xué)聯(lián)姻的產(chǎn)物，即“Deep Learning + Genomics”。在用深度學(xué)習(xí)研究基因組學(xué)的時代，Deep Genomics推開了第一扇窗。

也許你心中有個大大的疑問，基因檢測都做了這么長時間了，很多疾病都可以檢測了，基因組學(xué)為什么需要深度學(xué)習(xí)技術(shù)?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：第一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。

我們?nèi)梭w也一樣，人群中的DNA突變(SNVs)總數(shù)大概數(shù)以億計，其中突變頻率大于1%的叫做SNPs，SNPs大概有300萬個。要研究疾病與SNPs之間的關(guān)系，需要巨大的患者樣本量，統(tǒng)計出患者群體與正常人群體SNPs之間的差異。對于突變頻率小于1%的SNVs，雖然群體數(shù)量龐大，但是單個并沒有統(tǒng)計學(xué)意義，所以在疾病的分析中被自動屏蔽掉了。從數(shù)量上我們不難看出，基因檢測如果缺少對突變頻率小于1%的SNVs的深入分析，精準(zhǔn)醫(yī)療只能被限制在狹小的范圍之內(nèi)。

目前我國衛(wèi)計委批準(zhǔn)用于臨床檢測的項目包括：遺傳病診斷、產(chǎn)前篩查與診斷、植入前胚胎遺傳學(xué)診斷和腫瘤診斷與治療。這四類項目它們的共同特點是：疾病僅與一個或者幾個易感基因相關(guān)。實際上，除了單基因遺傳病之外，其他疾病的易感基因多少，取決于對該疾病的研究程度。比如，目前對乳腺癌的基因檢測主要集中在 BRCA1和BRCA2基因，目前在這兩個基因里已經(jīng)發(fā)現(xiàn)了大量的變異，可是我們卻對這些變異對乳腺癌的影響缺乏深入的認(rèn)識。更何況隨著對乳腺癌樣本研究的深入，已經(jīng)發(fā)現(xiàn)了40個跟乳腺癌相關(guān)的基因(當(dāng)然，每個基因里都可能有多個SNVs)。因此，僅從基因檢測的角度來講，想要達(dá)到精準(zhǔn)醫(yī)療，還為時尚早。

Deep Genomics的創(chuàng)始人，加拿大多倫多大學(xué)的Frey教授很早就專注于該領(lǐng)域的研究。他們的學(xué)術(shù)團(tuán)隊先后在國際頂尖期刊《Science》、《Nature Biotechnology》和《Bioinformatics》刊登了該領(lǐng)域的研究成果，希望利用深度機器學(xué)習(xí)技術(shù)改造精準(zhǔn)醫(yī)療，基因檢測、診斷和治療的發(fā)展。

接下來就講講Deep Genomics是如何分析突變頻率小于1%的SNVs與疾病之間的關(guān)系。當(dāng)然，要說清楚Deep Genomics的解決辦法，我們還需要繼續(xù)科普。對于沒有生物背景、且剛剛了解一點基因知識的同學(xué)來說，一談起疾病就會想到基因，但實際上從基因到疾病還有好幾步。鍋沒有做好，有可能是設(shè)計圖紙出了問題，也可能是模具出了問題。

假設(shè)我們要做一個機器人，我們要先繪制圖紙和材料切割圖(DNA)，然后根據(jù)圖紙和材料切割圖制作模具(RNA)，再根據(jù)模具制作各種原件(蛋白質(zhì))，最終這些元件組成有功能的機器人。我們的生命活動也是這樣一級級實現(xiàn)的，生命信息從承載基因的DNA，傳遞到RNA，再傳遞到有生物活性的蛋白質(zhì)，最終由蛋白質(zhì)實現(xiàn)所有生命活動。

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(dǎo)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(yán)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(xué)意義。但是它們的數(shù)量卻是巨大的–數(shù)以億計。 Deep Genomics目前提供3.28億個SNVs如何影響RNA(制作模具的材料)剪切的預(yù)測。那Deep Genomics是如何做到的呢?

根據(jù)目前基因檢測的思路，是很難對這些SNVs進(jìn)行分析的。因此，Deep Genomics引入了深入學(xué)習(xí)的人工智能技術(shù)。首先Frey團(tuán)隊建立了一個數(shù)學(xué)模型，然后輸入健康人的全基因組序列和RNA序列，對模型進(jìn)行訓(xùn)練，使模型學(xué)到健康人的RNA剪切模式;接下來，通過其他分子生物學(xué)方法對訓(xùn)練后的模型進(jìn)行確認(rèn)和校正;最后使用幾個目前已知的病例數(shù)據(jù)，檢驗?zāi)Ｐ团袛嗟臏?zhǔn)確性。在這一思路的指導(dǎo)下，Deep Genomics推出了他們的第一款產(chǎn)品SPIDEX。只需將測序結(jié)果和細(xì)胞類型導(dǎo)入，SPIDEX便可分析出某一變異對RNA剪切的影響，并計算出該變異與疾病之間的關(guān)系。

如果Deep Genomics的深度學(xué)習(xí)分析變得足夠精確，那么這項技術(shù)的貢獻(xiàn)顯而易見：直接分析突變頻率低的變異與疾病的關(guān)系;加速基因組學(xué)的研究和藥物的開發(fā)。同時我們要清醒地認(rèn)識到，目前Deep Genomics的SPIDEX技術(shù)只能分析SNVs引起的RNA剪切變異與疾病的關(guān)系，對于其他原因?qū)е碌募膊∫矡o能為力。但即便如此，人工智能在基因分析中的應(yīng)用仍然值得期待，也許它會成為解碼基因與疾病奧秘的一把金鑰匙。