XAI遇见生物学：可解释人工智能在生物信息学应用中的综述
人工智能
2023-12-12 v1 定量方法
摘要
人工智能，特别是机器学习和深度学习模型，通过为分析复杂生物数据提供强大工具，显著影响了生物信息学研究。然而，这些模型缺乏可解释性和透明度，这给利用这些模型获得更深入的生物学见解和生成可检验假设带来了挑战。可解释人工智能(XAI)已成为增强生物信息学中AI模型透明度和可解释性的有前景的解决方案。本综述全面分析了各种XAI技术及其在多个生物信息学领域的应用，包括DNA、RNA和蛋白质序列分析、结构分析、基因表达和基因组分析以及生物成像分析。我们介绍了最相关的机器学习和XAI方法，然后讨论了它们的多样化应用，并指出了当前可用XAI工具的局限性。通过提供对XAI潜力和挑战的见解，本综述旨在促进其在生物信息学研究中的实际实施，并帮助研究人员了解XAI工具的全貌。
引用
@article{arxiv.2312.06082,
title = {XAI meets Biology: A Comprehensive Review of Explainable AI in Bioinformatics Applications},
author = {Zhongliang Zhou and Mengxuan Hu and Mariah Salcedo and Nathan Gravel and Wayland Yeung and Aarya Venkat and Dongliang Guo and Jielu Zhang and Natarajan Kannan and Sheng Li},
journal= {arXiv preprint arXiv:2312.06082},
year = {2023}
}
备注
19 pages, 9 figures