阐明基因选择性表达所依赖的调控元件及其相互作用的分子机制2017-08-23

研究人员利用无偏向的代谢组学方法来分析已知患者的血清，从而确定莱姆病和STARI之间的生化差异。
这项研究得到了广泛的关注，比如的报道写道，这项研究‘可能将为能被更轻松地应用于多种任务的人工智能系统开启新的道路，它也应该可以提升人工智能系统在任务之间迁移知识的能力和掌握一系列互相链接的步骤的能力。’机器之心在此对 与该研究相关的博客文章和论文摘要进行了介绍。
这一研究表明可以修改学习规则使程序在学习新任务的时候还记得旧任务。这是向能渐进学习和自适应学习的更加智能的机器所迈出的重要一步。
研究人员发现，血液中免疫分子的水平与患者症状的严重程度有关。这一结果或许能为这个病因不明的疾病提供新的洞见及衡量疾病进展和评估治疗的方法。
研究人员提出了利用匹配的基因表达和染色质可及性数据刻画顺式调控元件和反式调控元件相互作用的数学模型，将基因调控网络的建模研究从编码基因推进到了非编码区域的调控元件，有望用来注释疾病等表型相关的遗传变异。
研究的基石。阐明基因选择性表达所依赖的调控元件及其相互作用的分子机制，需要对基因调控进行建模。特别是转录因子等反式调控元件和增强子等顺式调控元件在特定的细胞环境下如何合作使得一个基因快速转录是基因调控网络研究的核心问题。