人工智能帮助人类解释微阵列

　　

生物通编译：一个由斯坦福研究人员开发的专业程序正在使用模型识别和专业逻辑学来理解微阵列实验中获得的大量数据。该项目命名为“GABRIEL”，本周在旧金山超越基因组2001年大会上亮相。

这个程序利用了科研人员用来观察和理解数据的内在规则，并使其外显化。而且因此可以说客观化。在这次大会上，斯坦福大学的遗传学教授Stanley Cohen展示了GABRIEL如何处理已经发表的微阵列数据。

Cohen说，通过观察阵列结果的模式，研究者们可以找到7个基因。这个计算机程序，通过一个是或否的逻辑，找到了8个基因，而且与研究者们找出的结果不同。一个GABRIEL找出的基因表达水平还未足以引起研究者的注意。Cohen说外显规则的美妙就在于这个程序“可以适用于严谨度较低的规则”。

为了评估GABRIEL的能力，Cohen列出了一个早期反应基因的例子。如果一个基因的表达立即升高，然后降到正常，那么这种模式符合称之为“急早期反应基因”类型。这个程序也可以发现类似于一个已知基因表达模式的基因，或者可以找到表达符合一定形状儿不是绝对数值的表达模式。Cohen说，GABRIEL还可以鉴定表达的反向模式，如那些在一个实验操作过程中，转录减慢然后加速达到基底水平的基因。

他解释说：“GABRIEL做决定的基础是明显的。我们努力去做的就是保持一致性地应用规则。”

GABRIEL的起源来自一个名为MYCIN计算机方法，后者是由斯坦福大学在1975年开发的。MYCIN可以使用各种细菌形状和习性的外显规则来指导诊断感染患者的是什么种类，以及应该给患者服用什么药物来清除细菌。

GABRIEL很有用，就象一个教学过程帮助找出教师自己知识的漏洞一样。（版权所有 转载请注明）

——摘译自6月21日（heartlake）