Johns Hopkins Kimmel癌症中心的研究人员已使用深度神经网络，将重要的见解(描述性和描述性)引入对来自大量T细胞受体测序数据的适应性免疫中。
该团队将这项技术作为开源软件进行展示。他们的目的是帮助正在努力了解免疫系统对癌症，传染病，自身免疫状况或T细胞受体有助于抵抗的任何其他疾病的临床研究人员。《自然通讯》已经发表了该研究报告。
“随着基于测序的技术变得越来越普遍，本文中介绍的算法等将在识别和表征相关生物信号方面找到更多的实用工具，从而使人们对隐藏在大量数据中的复杂基因组概念有了新的认识，” MD写道。 / PhD候选人John-William Sidhom及其同事。
T细胞受体或TCR是释放白细胞以对抗并试图杀死感染的，外来的和癌细胞的免疫系统成分。
作者将其开源软件包DeepTCR告诉Johns Hopkins的新闻部门，该软件使用了监督和无监督的深度学习。
约翰·霍普金斯(Johns Hopkins)在新闻中解释说，无监督方法“允许研究人员以探索性的方式分析其数据，而可能没有已知的免疫暴露，而无监督方法将允许研究人员利用已知的暴露量来改善模型的学习。”放开。
“结果是……DeepTCR将使研究人员能够通过识别赋予T细胞识别和杀死病理细胞功能的受体模式，从而在基础和临床科学中研究T细胞免疫反应的功能。”
