逆向演繹法如何用作為治療癌症的第一步？－《大演算》

2016 年 11 月 16 日

人物Ｘ趨勢

編按：本書作者佩德羅．多明戈斯（Pedro Domingos）認為：如果有人能整合五大演算法的優點，就可能研發出終極演算法。《大演算》旨在揭開大數據、人工智慧、機器學習的祕密，並且融合機器學習的五大學派，試圖找到一個能解開宇宙間所有問題的終極演算法。本文摘自此書第三章「人類的歸納問題」。歸納，也就是逆向演繹的法則，而這樣藉由事實陳述的排列，從因果關係中歸納出未知解答的演繹，便能應用於治療癌症、找到對應癌細胞的解藥。

逆向演繹法是一個偉大的方法，可以用來發現生物學方面的新知識，甚至可以作為治療癌症的第一步。根據中心法則（Central Dogma）顯示，一切發生在活細胞中的事情，最終都可以透過它的基因，經由這些基因所啟動的蛋白質合成而進行控制。實際上，一個細胞就像一臺微小計算器，DNA 是在計算器上運行的程式，改變 DNA，一個皮膚的細胞就可以成為一個神經元，或是一個老鼠的細胞就可以轉變成一個人類細胞。

一個細胞就像一臺微小計算器，DNA 是在計算器上運行的程式，改變DNA，一個皮膚的細胞就可以成為一個神經元。圖／wiki

在一套電腦程式中，所有的錯誤都是程式設計人員造成的失誤。但在一個細胞中，錯誤是可以自發性產生的，當輻射或將一個基因轉變成另一個不同的基因時，或是一個基因被意外的複製兩次等，大多數時候，這些突變會導致細胞無聲無息地死去，但有時候，這些細胞會開始生長，並且無法控制的進行分裂，癌症因此誕生了。

治療癌症意謂著在不會傷害好細胞的情況下，阻止壞細胞的複製。這需要先知道好壞細胞之間是怎樣不同，特別是它們的基因組又是如何不同，因為所有的一切都是遵從這些而來。幸運的是，基因定序（gene sequencing）已成為一種典型的基因檢測，而且效益極佳。利用基因定序，我們可以學習預測哪些藥物將可以有效對抗哪些癌症基因。這與傳統的化療，會不分青紅皂白的影響所有的細胞，形成鮮明的對比。

一般細胞與癌細胞的分裂比較，以及癌症形成的過程。影片／How do cancer cells behave differently from healthy ones?

要學習哪些藥物可以有效對抗哪些突變，這需要患者的資料庫、其癌症基因組，以及其對藥物的嘗試治療的成果等。最簡單的規則就是將基因與藥物之間，進行一對一的對應關係編碼，就像如果這種致癌的 BCR-ABL 融合基因存在，那麼可以服用抗癌藥物格列衛（Gleevec，BCR-ABL 融合基因會導致一種白血病，而格列衛藥物可以治癒 90％患有這種病症的患者）。一旦測序癌症基因組和整體治療結果，變成一貫的標準做法，那麼更多像這樣的規則將會被發現。

然而這僅是個開端，大多數癌症涉及一種突變的組合，只能由那些還沒有被發現的藥物治癒。所以治療癌症的下一步，便是學習具有更複雜條件的規則，這種規則涉及癌症基因組、病患基因組和病史、藥物已知副作用等。但最終我們所需要的是一個整體細胞如何運作的模型，讓我們能夠在電腦上模擬一位特定病患基因突變的影響，以及模擬現有或推測不同組合藥物的成效。

為了要建立這種模型，我們主要的資訊來源是 DNA 序列測定儀、基因表達微陣列以及生物學的文獻。而逆向演繹法可以在進行這些資訊的結合時，扮演重要的角色。

「亞當」是我們在第 1 章中碰到的機器人科學家，展現其逆向演繹法的功能。亞當的目標是要找出酵母細胞是如何運作的，亞當一開始就具有酵母遺傳學與新陳代謝的基本知識，它還擁有一個酵母細胞的基因表達資料寶庫。然後亞當使用逆向演繹法推測哪些基因被表達為蛋白質、設計微陣列實驗測試它們、修改其假設，並且重複驗證。每個基因表達是取決於其他基因和環境中的條件，而且由此產生的交互作用網絡，可以被表示成一套規則集。

例如：

如果溫度高，A 基因就會被表現出來。

如果 A 基因被表現出來，且 B 基因沒有，那麼 C 基因就會被表現出來。

如果 C 基因被表現出來，那麼 D 基因就沒有。

如果我們知道第一條和第三條規則，但不知道第二條規則，而且我們擁有微陣列資料，知道在溫度高的情況下，B 基因和 D 基因都不會被表現出來，如此一來，我們就可以透過逆向演繹法，歸納出第二條規則。一旦我們有了這條規則，並且已經使用微陣列實驗驗證了這條規則，我們就可以利用它做為基礎，進行進一步的歸納推理。以類似的方式，我們就可以透過蛋白質的運作方式，拼湊出化學反應的序列。

話雖如此，只知道哪些基因有系統地控制哪些其他基因，以及蛋白質如何組織細胞的化學反應網路，光憑這些是不夠的。我們還需要知道，每個分子種類有多少被產生出來。DNA 微陣列和其他實驗可以提供這種類型的定量資訊，但對逆向演繹法來說，利用其「全有或全無」的邏輯特徵來處理這類問題時，並不是非常恰當。

為此，我們需要運用類神經網路的方法來解決，在下一章中我們將會介紹這種方法。