机器学习揭示了遗传因素和行为之间的联系

犹他大学健康大学的研究人员利用机器学习开始将看似本能的随机行为与影响这些行为的遗传因素联系起来。

利用机器学习来研究具有遗传和年龄差异的老鼠，研究小组发现这些差异影响了动物在觅食时表达的行为序列。

研究人员相信，有朝一日可以应用该方法来帮助理解可能影响人类复杂行为的基因组元素，包括那些导致疾病或精神疾病的因素。

复杂行为的模式，如搜索食物，由感觉随机，自发和自由的序列组成。使用机器学习，我们发现离散序列比你想象的更频繁地复制，这些序列植根于生物学。“

格雷格及其同事正在探索以前被认为是一个有争议的新领域，称为行为测序。目的是了解复杂行为的结构以及遗传学如何塑造这些模式。

关于行为遗传学研究的担忧围绕行为遗传学研究的担忧是基于对可能导致优生政策的担忧。字面意思是“出身良好”，优生学指的是使用选择性育种等科学方法改善人类。

正如纳菲尔德生物伦理委员会所概述的那样，使用“消极优生学”导致了近代史上最严重的一些暴行，例如美国和欧洲数十万人的隔离和绝育。

然而，理事会成员指出，对该领域的当代研究不一定追求以优生学为基础的目标，并且可以从过去发生的破坏性事件中学习以防止此类滥用。

理事会承认，如果要鼓励对该领域进行研究，则需要解决某些问题。定义和测量行为可能具有挑战性，并且存在误解或误用遗传性统计估计的风险。

考虑到基因与环境之间的相互作用是多么复杂，其他问题包括缺乏重复发现和难以预测行为如何发展。然而，该委员会得出结论认为，尽管存在这些问题，识别和调查影响行为的基因仍然是切实可行和有价值的。

“目前在正常范围内的行为遗传学研究尚无实际应用。但现在审查潜在发展所带来的道德和社会问题还为时尚早。“由遗传学控制的“构建块”组成的复杂行为

目前的研究支持这样一种观点，即复杂行为由“构建模块”(Gregg和团队称之为行为模块)组成，并且这些模块如何进展以形成不同的行为受遗传因素的影响。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！