据说眼睛是通向灵魂的窗口，但是Google的研究人员却将它们视为人的健康的指标。这家技术巨头正在使用深度学习通过分析其视网膜照片来预测一个人的血压，年龄和吸烟状况。Google的计算机从血管的排列中收集了线索，初步研究表明，这些计算机可以利用这些信息来预测某人是否有心脏病发作的危险。
该研究依赖于卷积神经网络，这是一种深度学习算法，正在改变生物学家分析图像的方式。科学家正在使用这种方法来发现基因组中的突变并预测单个细胞布局的变化。Google方法，该方法在8月的预印本中有所描述（R. Poplin等人，预印本在https://arxiv.org/abs/1708.09843; （2017年）是一波新的深度学习应用程序的一部分，这些应用程序使图像处理更容易，更通用，甚至可以识别被忽视的生物现象。
加利福尼亚州山景城Google Research的工程主管Philip Nelson说：“以前将机器学习应用于生物学的许多领域是不现实的。“您可以”，但更令人兴奋的是，机器现在可以看到人类以前可能从未见过的事物。
卷积神经网络使计算机能够高效，全面地处理图像，而无需将其分成多个部分。随着计算机功能和存储技术的进步，这种方法在2012年左右在科技领域开始兴起。例如，Facebook使用这种深度学习来识别照片中的面孔。但是科学家们努力将网络应用于生物学，部分原因是各个领域之间的文化差异。生物技术公司Calico的首席计算官达芙妮·科勒（Daphne Koller）表示：“请一群聪明的生物学家，把他们放在一个聪明的计算机科学家的房间里，他们将彼此讲两种不同的语言，并且有着不同的心态。”在加利福尼亚州旧金山市，得到了Google父母Alphabet的支持。
科学家还必须确定可以使用必须进行大量图像训练的网络进行的研究类型，然后才能开始进行预测。当Google希望利用深度学习来发现基因组中的突变时，其科学家不得不将DNA字母链转换成计算机可以识别的图像。然后他们在与参考基因组对齐的DNA片段上训练了他们的网络，这些片段的突变是已知的。最终结果是DeepVariant，该工具于12月发布，可以发现DNA序列中的细微差异。在测试中，DeepVariant的性能至少与传统工具一样好。
位于华盛顿州西雅图的艾伦细胞科学研究所的细胞生物学家正在使用卷积神经网络将用光学显微镜捕获的平面灰色图像转换为3D图像，其中一些细胞器以彩色标记。该方法消除了对细胞染色的需要-这个过程需要更多的时间和复杂的实验室，并且会损坏细胞。上个月，该小组发布了一项先进技术的详细信息，该技术可以仅使用几条数据（例如细胞轮廓）来预测更多细胞部分的形状和位置（G. R. Johnson等。在bioRxiv上预印本http://doi.org/chwv; 2017）。
麻省理工学院广泛研究所和哈佛大学影像平台主任安妮·卡彭特（Anne Carpenter）说：“您现在看到的是机器学习如何更好地完成与成像有关的生物学任务的前所未有的转变。” ，马萨诸塞州。2015年，她的跨学科团队开始使用卷积神经网络处理细胞图像；卡彭特说，现在，网络在她的中心处理大约15％的图像数据。她预测，这种方法将在几年内成为中心的主要处理方式。
使用卷积神经网络分析图像可能会无意间揭示出微妙的生物学现象，促使生物学家提出他们以前可能没有考虑过的问题，这使其他人感到非常兴奋。“他在科学中最有趣的一句话是”乌雷卡！？但是纳尔逊说，“这很奇怪”是怎么回事？
艾伦研究所执行董事里克·霍维茨（Rick Horwitz）说，这种意外发现可能有助于推进疾病研究。他说，如果深度学习可以揭示单个细胞中微妙的癌症标志物，那么它将有助于改善研究人员对肿瘤进展的分类方式。反过来，这可能会引发有关癌症如何扩散的新假设。
如今，卷积神经网络正在飞速发展用于图像处理，其他生物学上的机器学习鉴赏家也将目光投向了新领域。Neuherberg的德国环境健康研究中心的计算生物学家Alex Wolf说：“发声很重要，化学和分子数据也很重要。”Wolf希望调整神经网络，以便他们可以分析基因表达。他说：“泪水认为，未来几年将会有很大的突破。这使生物学家能够更广泛地应用神经网络。”
自然553，9-10（2018）
