新算法精準解碼分子光學“指紋”

科技日報訊 （記者劉霞）美國萊斯大學研究團隊開發出一種新的機器學習算法——峯值敏感彈性網絡邏輯迴歸（PSE-LR）。該算法擅長解釋分子、材料和疾病生物標誌物的獨特光學特徵，有助實現更快、更精確的醫學診斷和樣本分析。相關論文發表於新一期《納米》雜誌。

研究團隊表示，這項技術的核心突破在於教會計算機識別分子或材料等與光相互作用產生的獨特“指紋”。藉助這一技術，未來只要將光照射在一滴液體或組織樣本上，醫生們或許就能捕捉到阿爾茨海默病的早期信號。

PSE-LR不僅擁有“明辨秋毫”的識別能力，更具備“開誠佈公”的可解釋性。與其他“黑箱”式機器學習模型不同，它能生成清晰的“特徵重要性圖譜”，精確突出關鍵光譜區段，使診斷結果可靠、可解釋和可溯源，且便於驗證。

PSE-LR與其他機器學習模型進行比較，結果顯示其性能更勝一籌，特別是在識別微妙或重疊的光譜特徵方面。此外，在隨後的系列驗證實驗中，該算法的表現也可圈可點，包括成功檢測出液體中新冠病毒刺突蛋白的痕量存在、精準識別小鼠腦組織內的神經保護成分、有效區分阿爾茨海默病樣本的細微光譜差異，以及鑑別出二維半導體材料的獨特光學特徵等。