多伦多大学利用GPU深度学习进行癌症研究

基因判读、庞大的资料组、深度学习，这是显微镜底下的癌症研究活动。

一支由 Dr. Brendan Frey 带领的多伦多大学癌症研究团队，研发出的「基因判读引擎」将计算机运算癌症研究的发展向前迈出一大步。基因判读引擎是一项采用 GPU 技术的深度学习方法，找出造成癌症的基因突变情况。

NVIDIA由员工推动成立的慈善单位 NVIDIA 基金会，将20万美元的奖助金颁发给 Frey 及其团队，以求进一步促进相关研究发展，并且协助他们迎接个人化有效治疗照护癌症病患的时代。

Compute the Cure治疗运算计划

各式各样基因突变所引发的癌症，单在美国每年死亡人数就大约60万人，而医界难以快速进行筛检、以极为精准的方式来进行治疗。

随着计算机的运算能力日渐强大，科学家开始钻研庞大的资料组，透过计算机模拟项目来研究癌症发生的途径。

NVIDIA 基金会藉由“Compute the Cure”计划，颁发奖助金给 Frey 的团队，扩大这些采用 GPU 运算能力研究方法的规模，以在临床环境里应用在大量的个人基因组，最终用在数十万个基因组上。

Frey 说：“我们针对需要进行庞大运算作业的活动开发出 GPU 加速技术，以在基因体医学领域里做出不同的成绩。现在我们把焦点放在下一步，也就是使用癌症病患的资料，透过实验来验证我们的技术，进而改变病患的生活。”

Frey 实验室资深研究助理 Leo Lee 负责部署采用 GPU 加速技术的运算工具，以及开发临床实验项目进行验证。Frey 实验室内共同开发部分工具的博士后研究员 Andrew Delong，将对工具部署及临床验证事宜提出建议。

Delong 表示展示工具除了可用于癌症生物学方面，其他癌症及多种基因疾病的生医研究人员可自由使用基因库的内容。

多伦多大学的研究团队使用搭载各八具 NVIDIA Tesla K80、K40 及 K20 GPU 加速器的服务器，加上多部使用 NVIDIA GeForce GTX TITAN X 绘图卡的桌上型机器。

克服障碍

描述从 DNA 转录的 RNA 分子与判读基因组序列的人工神经网络并置， 在NVIDIA GPU 内执行由神经网络进行的运算作业。

团队的运算方式旨于克服部分个人化医疗方式方面的障碍。

目前已找出引发病患癌症的「驱动性」突变，并且从许多良性癌症成因的「乘客」突变中区分出来。

今日受过严格训练的基因组诊断专家可以花费不少时间，试图通过数据库和研究文献了解单一突变的影响性，但时常会一无所获。

深度学习能以一致的方式，加快精准找出驱动性突变的速度，也就是说这使得人类诊断专家能一举攻顶。

团队用以预测癌症「热点」的方法，可以从新的基因组身上学习更多内容，同时接触到新的资料，还能加以训练找出其它疾病的因果突变情况。

多伦多大学如今收集到空前数量的基因资料，这项计划案代表运用突破性的方式来分析和深入了解基因背后潜藏的机密。

Frey 说：“决定性的下步是验证它真能派上用场，跨越临床上的鸿沟，然后才能广泛应用这项技术，改变癌症患者的生活。”

更多关于该团队的研究成果，请见 Frey 在 TedX talk 的演讲内容。