據外媒gizmag報道，賓夕法尼亞大學的一組研究人員正在嘗試使用機器學習系統(tǒng)，來研究如何消滅抗藥性極強的**。日前，該項研究工作已經取得了突破性進展——該系統(tǒng)可以深度剖析**的抗藥性，并*終找出合適的**方法。

該研究算法被稱為“去噪編碼”（denoising autoencoder）而為人們所熟知，這一算法*初其實是被設計用于找出大型數(shù)據集中的特定模式或特定規(guī)律。不過這項技術早已被用于各種其他的研究中，比如通過分析隨機出現(xiàn)的YouTube圖像，來找出常見的趨勢或特征等。意料之中的是，研究發(fā)現(xiàn)貓的視頻格外受到人們的歡迎。

而現(xiàn)在，這組研究人員正在嘗試將其融入生物科學技術中，來發(fā)現(xiàn)新的生物和它們的基因信息。具體來說，他們使用經過特殊設計的分析系統(tǒng)來研究被稱為綠膿桿菌的**。這是一種與囊性纖維化和其他慢性肺部**有關的**。研究人員在研究過程中發(fā)現(xiàn)，這是一個特別有趣的生物體——因為它表現(xiàn)出了非常強的抗藥性。

綠膿桿菌

該項分析研究利用了109個相互獨立的數(shù)據集作為信息庫，其中展示了5000余個具有身份特征的基因，每個不同的實驗中基因表達水平都不相同。這項研究的目的是發(fā)現(xiàn)該算法如何在基因表達中**定位，以及這些模式在不同的情況下（比如在***的存在環(huán)境下）如何發(fā)生變化。

該算法不僅能夠識別出在同一環(huán)境下的基因集，還能夠分辨出病人身上的綠膿桿菌和那些生長在實驗室中的綠膿桿菌之間的差異。

基于這些早期的研究成果，研究人員相信該系統(tǒng)在未來將能夠用于尋找有效消滅囊性纖維化肺感染的新療法。如果能夠在更大的范圍內使用這種算法系統(tǒng)的話，引發(fā)醫(yī)療界的重大突破也并非天方夜譚。

“我們認為，‘大數(shù)據’時代的到來為我們提供了一個使用無人值守的機器學習的**良機。利用這一算法，我們甚至都不需要設定方向，就能在生物學界中尋找到意想不到的新發(fā)現(xiàn)。”團隊成員Casey Greene說道。