副教授获180万美元美国国立卫生研究院资助推进分子网络发现
罗切斯特理工大学计算科学博士生和副教授李瑞正参与一个由美国国立卫生研究院资助的项目，利用人工智能进行疾病通路发现。研究人员希望他们的机器学习模型能帮助科学家更全面地理解疾病。
癌症、阿尔茨海默病等疾病在人体内遵循特定通路。它始于分子和细胞层面，通过一系列复杂相互作用，可导致疾病的发展和进展。
在罗切斯特理工大学，一个由美国国立卫生研究院资助的新项目正利用人工智能绘制疾病的完整旅程，并发现全新的疾病通路。如果成功，该研究可能变革科学家理解疾病的方式，并加速针对当今最紧迫健康挑战的新药和治疗方法的发现。
李瑞是罗切斯特理工大学戈利萨诺计算与信息科学学院的副教授，他获得了美国国立卫生研究院近180万美元的资助，用于推进统计机器学习与计算生物学交叉领域的研究。李瑞将与学生们合作，设计新的机器学习模型和技术，以实现疾病通路的发现。
李瑞面临的挑战是创建一个复杂基因分子网络的整体视图，这些基因连接并不完善。如果这些基因出现问题，可能产生连锁效应。这些分子的异常活动及其相互作用可能导致疾病。
李瑞表示：“利用机器学习，我们可以识别新的与疾病相关的分子和生物标志物，这些可能成为潜在的治疗靶点。这些信息对新药开发至关重要，并可能帮助医护人员。”
第二个挑战是疾病在不同身体组织（如神经组织或肌肉组织）中表现不同。例如，可能导致帕金森病等疾病的与疾病相关分子在大脑不同部位的表现各异。
李瑞解释说，当前的深度学习技术存在局限，因为它们独立编码。专家可以取平均值，但这会失去通路的独特性，使得难以了解一个分子如何影响另一个分子。
李瑞表示：“我提出一个分层模型，在局部捕捉独特性，同时在全局共享互补信息。我们将允许它从邻近节点聚合信息，这模拟了人体内发生的情况。”
李瑞最近的美国国立卫生研究院资助将支持一种新方法的开发，用于建模分子网络数据及其拓扑结构。为提高效率，这些方法将深度学习技术与概率推断相结合。
这项工作由李瑞领导的罗切斯特理工大学应用启发式计算智能实验室推动。四位博士生研究员——马亨德拉·辛格·塔帕、帕里贝什·雷格米、石若辰和杰文·塔帕——目前正在协助分析超过10万个分子相互作用。
来自尼泊尔的计算与信息科学博士生塔帕表示：“我对我们生物系统如何从微小分子到整个有机体完美运作感到着迷。我喜欢使用机器学习来揭示隐藏模式并探索生物学的奥秘。”
美国国立卫生研究院资助的研究将分为两个阶段。首先，实验室将对约500种疾病进行综合研究，初期聚焦癌症、心血管疾病和免疫系统疾病。接下来，工作将扩展到多种疾病类型的大规模应用。
同样来自尼泊尔的计算与信息科学博士生雷格米表示：“我非常兴奋能在这个领域与李教授合作，因为它将我对机器学习的热情与计算生物学中的重要问题结合起来。我喜欢开发不仅能推进人工智能研究，还能对医疗健康产生现实影响的算法的挑战。”
这笔为期五年的资助来自美国国立卫生研究院最大化研究者研究奖计划，该计划支持新晋和早期职业研究者开发创新方法应对生物医学挑战。该项目名为“通过图神经网络上的分层贝叶斯推理整合组织特异性分子网络进行大规模疾病通路发现”。
【全文结束】
