纽约大学的一支计算机科学家团队创建了一个能够解释其预测原理的神经网络。这项工作揭示了神经网络功能的成因，而神经网络是推动人工智能和机器学习的引擎，这个过程一直以来都被用户所隐藏。

这一突破的重点是针对近年来流行起来的神经网络的具体应用领域——处理复杂的生物学问题。其中包括对RNA剪接的复杂性进行研究——这也是该研究的重点。RNA剪接在将信息从DNA传递到功能性的RNA和蛋白质产物中起到了重要作用。

纽约大学康纳特数学科学研究所的计算机科学教授奥德·雷格夫表示：“许多神经网络就像一个黑盒子——这些算法无法解释其工作原理，这引发了对其可靠性的担忧，并且阻碍了我们对基因组编码底层生物过程的理解的进展。”

“通过利用一种改进了机器学习训练数据的全新方法，我们设计了一个可解释的神经网络，能够准确预测复杂的结果并解释其预测过程。”

具体而言，他们开发了一个模型，即数据驱动的等效高倍率微观镜，可以让科学家们追踪和量化RNA剪接过程，从输入序列到输出剪接预测。

雷格夫指出：“通过采用一种‘设计可解释性’的方法，我们开发了一个神经网络模型，可以深入理解RNA剪接——这是一种在基因组信息传递中至关重要的过程。”

研究人员通过一系列实验证实了模型提供的洞察力。这些结果与模型的发现相吻合：每当RNA分子折叠成一个类似发卡的结构时，剪接过程就会停止。而研究人员破坏这个发卡结构时，剪接过程就会恢复。