Доступность больших данных вместе с успехами высокоэффективных компьютеров привели к расцвету искусственных нейронных сетей. Появляются алгоритмы, превосходящие человека в распознавании изображений и звуков, автономном вождении автомобиля и многом другом. Однако, адаптация глубокого обучения в биомедицине и особенно в фармакологии продвигается медленно.
«Хотя изначально мы работали над более сложными проблемами машинного обучения, Aging.AI — хороший пример того, как нейтронные сети превосходят другие методы машинного обучения и могут быть распространены на многие другие проблемы», — говорит Евгений Путин из ИТМО, ведущий автор работы.
В результате изучения большого объема ДНК ученые идентифицировали наиболее важные свойства для определения хронологического возраста человека — альбумин, глюкозу, щелочную фосфатазу, карбамид и эритроциты. Эти открытия могут оказаться полезными для дальнейших исследований биомаркеров старения.