基因解读、海量数据处理、深度学习，这些是在显微镜以外做的癌症研究工作。
Brendan Frey 博士带领多伦多大学的一支团队开发出「基因解读引擎」，有力推动了利用电脑来研究癌症的工作。该引擎是一种由 GPU 驱动的深度学习方法，可以识别出引发癌症的基因突变情况。
今天，由我们的员工推动成立的慈善组织 NVIDIA 基金会资助 Frey 及其团队 20 万美元，以进一步推动这项工作，并帮助他们引领在个体基础上有效治疗癌症的时代。
Compute the Cure (计算出疗法)
每年，癌症单在美国就造成大约 60 万人死亡。多种不同的基因会出现千变万化的突变，而任何一种突变都可能引发癌症。因此，难以迅速判定癌症并以极具针对性的方式进行治疗。
随着电脑的功能日渐强大，科学家开始钻研海量的数据，并通过电脑模拟来研究癌症是如何形成的。
作为我们「Compute the Cure」计划的一部分，NVIDIA 基金会资助 Frey 的团队扩展他们由 GPU 驱动的方法，以在临床环境下应用到大量个人基因组上，最终应用到数十万个基因组上。
Frey 说:「为了显著改变基因医学的现状，我们开发出 GPU 加速技术，以满足计算密集型工作的需求。现在，我们将重点放在下一步，也就是使用癌症病患的数据，通过实验来验证我们的技术，进而改变病患的生活。」
Frey 的团队成员有 Leo J. Lee (左一) 与 Brendan J. Frey (右二)，他们正在规划计算剪切预测器的软件架构。
在 Frey 的实验室中，高级研究助理 Leo Lee 负责部署 GPU 加速的计算工具，以及设计用于验证这些工具的临床实验。博士后研究员 Andrew Delong 在 Frey 的实验室中协同开发部分工具，而且，他将向团队提出有关工具部署和临床验证的建议。
Delong 表示，团队除了展示这些工具在癌症生物学方面的效用外，还将确保其他研究癌症及多种基因疾病的生物医学研究员可以自由使用相关的数据库。
这支大学研究团队使用了装有 NVIDIA Tesla K80、K40 和 K20 这三种 GPU 加速器 (每种八个) 的服务器，以及多台装有 NVIDIA GeForce GTX TITAN X 显卡的台式机。
克服障碍
上图左侧描述从 DNA 转录的 RNA 分子，右侧描述解读基因组序列的人工神经网络。神经网络执行的计算在 NVIDIA GPU 内执行。
该团队的计算方法旨在克服个人化用药中的一些障碍。
目前，必须识别出引发病患癌症的「司机」突变，并将其与引发良性癌症的许多「乘客」突变区分开来。
如今，受过严格训练的基因组诊断专家可能花费大量时间翻查数据库和研究论文，力图了解单一突变的影响，但常常一无所获。
在深度学习的帮助下，人们能比以前更快、更一致和更准确地识别出「司机」突变。换言之，这使人类诊断专家能逐步达到目标。
该团队用以预测癌症「热点」的方法可以向新发现的基因组学习，同时，通过接触新的数据，还可以训练此方法找出其他疾病的因果突变。
多伦多大学目前已收集到数量空前的基因数据，而它的这个项目将以突破性的方式分析这些数据并洞察个中玄机。
Frey 说:「至关重要的下一步是，验证这项技术的确可行并跨越临床上的鸿沟，然后才能广泛应用它并帮助改变癌症患者的生活。」
如需详细了解该团队的工作，请观看 Frey 在 TedX talk 上的演讲。