Нейросеть для геномики научилась объяснять, как она достигает своих прогнозов

Учёные-компьютерщики из исследовательского университета Нью-Йорка разработали нейронную сеть, которая умеет объяснять, как она достигает своих прогнозов. Работа показывает, на чём основана работоспособность нейросетей, являющихся движущей силой машинного обучения и искусственного интеллекта, раскрывая суть процесса, который до настоящего времени был скрыт от пользователей. Исследование опубликовано в журнале PNAS.

Прорыв произошёл из-за особого использования нейросетей, которое стало популярным в последнее время для решения сложных биологических вопросов. В их число входят тонкости сплайсинга РНК — главного элемента в исследовании, необходимого для передачи генетической информации от ДНК к белковым продуктам и функциональным РНК.

Учёные разработали эквивалент мощного микроскопа, основанного на данных — нейронную сеть, которая даёт возможность отслеживать и количественно оценивать процесс сплайсинга РНК от последовательности на входе до предсказания на выходе. Нейросеть показала, что похожая на шпильку структура в РНК снижает скорость сплайсинга. Когда молекула РНК сворачивается в шпильку, сплайсинг останавливается, а при нарушении этой шпилечной структуры сплайсинг восстанавливается.