據物理學家組織網28日報道，加拿大計算機科學家和生物學家在當日出版的《科學公共圖書館·綜合》（PLOS ONE）雜誌撰文指出，他們藉助機器學習方法，在短短几分鐘內對29個不同新冠病毒DNA序列進行分類，鑑定出一個潛在的“基因簽名”。
他們表示，機器學習這種新的數據發現工具將使科學家能在短短几分鐘內快速輕鬆地對致命病毒（如新冠病毒）分類，而加快這一過程對於大流行期間醫療資源的戰略規劃至關重要。此外，最新研究還支持一個科學假設——新冠病毒起源於蝙蝠，屬於β冠狀病毒屬的Sarbecovirus亞型。
韋仕敦大學生物學教授凱瑟琳·希爾與該校計算機科學、統計與精算科學領域的同事，及滑鐵盧大學計算機科學系的研究人員共同開展了這項研究。
他們指出，這個“超快速、可擴展且高度準確”的分類系統使用新的基於圖形的專用軟件和決策樹方法來解釋分類，並從所有可能結果中找出最佳選擇。這一機器學習方法可對新冠病毒序列進行100%準確分類，更重要的是，可在數分鐘內再次發現5000多個病毒基因組之間最密切的關係。
希爾說：“我們需要的是新冠病毒DNA序列能發現自身的內在序列模式，我們使用該簽名模式和一種邏輯方法，使該模式與其他病毒儘可能接近，並在數分鐘而非數天、數小時內對新冠病毒進行了非常準確的分類。”
研究人員指出，該工具能對任何新發現的新冠病毒或其他病毒序列進行分類，將成為全球大流行期間疫苗和藥物開發人員、一線醫療工作者、研究人員和科學家使用的工具包的重要組成部分。
分享到:
