爆炸性消息!基因检测迎来划时代意义，振奋人心

　　现如今生命科学领域最火的技术之一便是基因编辑，基因编辑领域又属CRISPR系统应用最为广泛,《Nature》2017 年度人物均授予了 CRISPR 相关技术的突破，2020年CRISPR技术获得诺贝奖，短短不到十年时间CRISPR技术荣获最高学术荣誉，足以看出该技术的应用潜力。 基因编辑技术广泛应用于人、大鼠、小鼠、斑马鱼、果蝇、猪、水稻、小麦和拟南芥等动植物(细胞)以及细菌等微生物的基因组靶向改造，并已在功能基因组研究、疾病防治、动植物育种、动物疾病模型开发

　　随着高通量生物技术的发展，已经开发了多种组学技术来表征不同但互补的生物信息，包括基因组学、单细胞、表观基因组学、转录组学、微生物组学和代谢组学等。

　　近年来，癌症相关多组学技术的快速发展 一直是人工智能生物学

　　分析探索新型抗癌靶点的最重要因素之一.将这些技术分为五个方面：表观遗传学、基因组学、蛋白质组学、代谢组学和多组学整合分析。

　　人工智能整合多组学数据(例如表观遗传学、基因组学、蛋白质组学和代谢组学)以识别癌症治疗靶点。

　　最近的人工智能技术已经从“浅层”学习架构发展到“深度”学习架构。作为人工智能的一个重要分支，机器学习(ML)可以自动学习捕捉复杂的模式，并根据数据做出智能决策。ML在癌症研究和临床肿瘤学中有着非常广泛的应用。特别是，在多组学数据快速增长的推动下，属于ML子领域的基于深度学习(DL)的方法已成为生物医学数据分析的强大工具。

　　下面是近两年在顶刊发表的部分研究方向

• 　　Nature Protocols | 基于机器学习和并行计算的代谢组学数据处理新方法
• 　　Nature| 基于机器学习的血清代谢组学开发生物标志物用早期肺腺癌筛查
• 　　ISME Comm|机器学习和深度学习在微生物组研究中的应用
• 　　Nature Biotechnology自动化和机器学习的高通量微生物培养组学分离微生物组
• 　　Cancer Cell | 基于多模态深度学习的泛癌组织学-基因组学整合分析
• 　　Science Advances|利用深度学习发现癌症中的新基因突变
• 　　Nature|肿瘤微环境的多组学机器学习预测乳腺癌治疗反应
• 　　Nature|肺癌和转移瘤中的基因组-转录组进化
• 　　Nature Machine Intelligence|单细胞数据分析的深度学习方法
• 　　Nature Methods | 用深度多任务神经网络探索单细胞数据
• 　　Nature：一种基于CRISPR/Cas9的非病毒精准基因组编辑临床级疗法

推荐阅读：

　　遗传解读丨医生拿到遗传病基因检测报告怎么看?

　　前列腺癌的基因检测

　　儿童哮喘基因检测