中科院团队发布类脑神经元新模型，赋能AI与神经科学深度融合

目前，关于人类疾病相关基因相互作用的研究主要集中在对疾病相关基因进行识别和分类，但仍然缺乏一个能够全面反映“基因-基因相互作用网络”的动态图景，这阻碍了对复杂疾病潜在生物学机制的深入理解。最近，出现了一种全新的计算方法，旨在解析这种复杂关系，为疾病研究带来新的突破。

这项研究利用了LIF算法和HH算法之间的关联，构建了一个涵盖广泛基因相互作用网络的框架，证明了HH算法能够有效地模拟不同基因集合中复杂的相互依赖关系，而传统的LIF算法难以捕捉到这些细微之处。具体来说，该研究展示了如何运用HH算法来揭示LIF算法难以识别的基因集合中的复杂关系。

此外，研究人员还构建了一个名为s-LIF2HH算法，旨在进一步提升预测基因共表达关系的能力，该算法成功地将多个数据集中的基因相互作用信息整合在一起，形成了一个更全面、更具价值的基因关联网络。通过多方面的验证，研究结果表明，相较于传统的LIF算法，HH算法在捕捉基因表达数据中的复杂关联方面表现更出色。

总而言之，这项由多位学者共同完成的研究揭示了疾病相关基因相互作用网络中隐藏的复杂关系，为未来的疾病预测和治疗策略提供了新的方向。借助于AI算法的强大分析能力，我们能够更深入地理解疾病的发生机制，并为精准医疗的发展奠定基础。展望未来，该研究将有助于我们更全面地认识和利用基因相互作用网络，为攻克复杂疾病提供新的思路。

文章链接：https://www.nature.com/articles/s43588-024-00674-9