知识卡片
相同表型未必同一机制
不同基因变化可能产生相似的细胞或疾病表型,因此观测结果相似,并不保证其分子路径相同。机器学习寻找可复用模式时会受到这种异质性限制。预测关联可以提出机制候选,仍需生物实验或其他证据比较不同解释。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 信息革命对生物学研究的影响 学习型分析的输入限制与生物异质性 · 查看原书依据
利用组学信息预测癌症也面临类似的数据问题,但产生问题的主要原因是异质性。现代机器学习方法会尝试从数据中寻找重复出现的模式。但是,如果不同模式(异质性)的输入会导向相似的结果呢?对癌症而言,不同的基因改变会导致相同的生物现象——细胞转化 。我们仍然需要生物实验,而非算法,来解决其中的许多问题。
参考来源
- 位置:《人工智能与计算生物的未来 (【美】布赖恩·希尔布什)》信息革命对生物学研究的影响,学习型分析的输入限制与生物异质性(源项目a19c7933-4eda-4176-aebd-30fe7e1ad292,源文件:extracted/人工智能与计算生物的未来 (【美】布赖恩·希尔布什)/_epub-src/EPUB/xhtml/Section02.xhtml)
- 结论依据:原文对该概念的说明、比较或案例支撑本卡解释;历史案例不等于当前临床有效性或监管认可。已经核验的边界与书中陈述分开。
- 原始内容:利用组学信息预测癌症也面临类似的数据问题,但产生问题的主要原因是异质性。现代机器学习方法会尝试从数据中寻找重复出现的模式。但是,如果不同模式(异质性)的输入会导向相似的结果呢?对癌症而言,不同的基因改变会导致相同的生物现象——细胞转化 。我们仍然需要生物实验,而非算法,来解决其中的许多问题。