漳州信息网
国内新闻 当前位置:首页 > 国内新闻 > 正文

Watson虽陷“泥潭”,小发猫再开源3个癌症AI项目,推动癌症领域研究

在研讨会成立之前,我必须分享它4天。

Chuangjianhui /报告

癌症是世界上第二大死亡原因,2018年估计有1810万新病例和960万癌症死亡。学术界和工业界也在不断努力寻找更有效的抗癌药物。小发猫在苏黎世的研究团队正在构建一系列人工智能机器学习方法,以加速对复杂疾病,分子机制和肿瘤组成差异的主要驱动因素的理解。

Pixabay

为了促进新疗法的研究进展,帮助人类更快地克服癌症。小发猫最近开放了三个治疗癌症的人工智能项目。与此同时,小发猫还在第18届欧洲计算生物学会议(ECCB)和第27届国际分子生物学智能系统会议(ISMB)上发布了旨在加速癌症研究的三种机器学习解决方案。以下是对这些选项的简要讨论。

1.关于预测和解释药物疗效的深度学习PaccMann需要投入数亿美元开发任何种类的抗癌药物。如果提高药物开发效率,可以在一定程度上降低研发成本。 PaccMann算法自动分析化合物并预测哪种化合物最有可能对抗癌症菌株。

该算法基于神经网络来预测抗癌化合物的敏感性,这是一种多模式深度学习解决方案,能够使来自不同来源的数据帮助预测患病组织中细胞对给定药物的反应。同时,AI还可以在进行预测时标记科学家最关心的特定基因和化合物分子结构。经过多次实验,PaccMann比现有的复合筛选预测算法更智能。该领域的研究人员可以使用PaccMann的信息作为指导,帮助他们改进或重复使用现有药物并开发新药。

2. INtERAcT,可以自动从科学论文中提取知识

INtERAct使用无监督学习从科学论文中提取有关蛋白质 - 蛋白质相互作用的信息。特别值得关注的是,它可以从与癌症相关的有价值的科学文献中自动提取数据。

通常,生物医学领域的一些研究成果和论文发表在权威期刊上,这是科学家阅读科学成果的唯一途径。最近,一篇论文的数据显示,仅在癌症研究领域,每年平均发表17,000篇科学论文,论文数量仍呈指数级增长。面对如此大量的论文,从事癌症研究的科学家们无法逐一阅读。 INtERAct系统的诞生旨在帮助科学家通过人工智能技术从大量论文中快速提取有效信息,并减轻他们的学业负担。

Pixabay

INtERAct使用单词嵌入的概念来处理大量科学论文,并定义了一个量化蛋白质 - 蛋白质相互作用的新指标。对于从事生物医学领域的人来说,全面了解蛋白质相互作用是基础,突变蛋白质也被认为是导致细胞癌变的潜在因素。因此,一旦INtERAcT可以独立提取与蛋白质相互作用相关的详细数据,科学家们可以在短时间内获得有用的信息,并进一步了解癌症的疾病机制。

3.基于分子数据的疾病预测PIMKL算法

PIMKL使用多核学习,使用迄今已知的分子相互作用数据集来预测癌症患者的疾病进展和潜在复发。从病理组织获得的分子生物学信息不仅预测疾病进展,而且还相应地对患者进行分类,使医生能够为不同的患者提供更有针对性的个性化治疗选择。

为了证明该算法的有效性,小发猫研究小组进行了一项实验,其中使用PIMKL预测乳腺癌患者是否会在手术后5年复发。此外,为了实验数据的可靠性,研究团队将PIMKL算法功能与现有的14种应用于乳腺癌预测的AI算法进行了比较。实验结果表明,PIMKL的性能优于同类算法。

Pixabay

这三种算法证明了机器学习在癌症和生物医学研究等复杂疾病发展中的作用。对于这些癌症解决方案,小发猫表示他们将继续优化和改进它们。这一次,小发猫Open Source,癌症领域的三个人工智能研究项目,希望最大限度地发挥AI在生物医学领域的积极影响。

Pixabay

参考文献:[1]用于加速癌症研究的新型AI工具。检索2019年7月22日

本文来自无锡药明康德微信团队,欢迎前来朋友圈,拒绝转载到其他平台;如果需要打开白名单,请在文章底部留言;如果还有其他合作需求,请联系

收集报告投诉

Chuangjianhui /报告

癌症是世界上第二大死亡原因,2018年估计有1810万新病例和960万癌症死亡。学术界和工业界也在不断努力寻找更有效的抗癌药物。小发猫在苏黎世的研究团队正在构建一系列人工智能机器学习方法,以加速对复杂疾病,分子机制和肿瘤组成差异的主要驱动因素的理解。

Pixabay

为了促进新疗法的研究进展,帮助人类更快地克服癌症。小发猫最近开放了三个治疗癌症的人工智能项目。与此同时,小发猫还在第18届欧洲计算生物学会议(ECCB)和第27届国际分子生物学智能系统会议(ISMB)上发布了旨在加速癌症研究的三种机器学习解决方案。以下是对这些选项的简要讨论。

1.关于预测和解释药物疗效的深度学习PaccMann需要投入数亿美元开发任何种类的抗癌药物。如果提高药物开发效率,可以在一定程度上降低研发成本。 PaccMann算法自动分析化合物并预测哪种化合物最有可能对抗癌症菌株。

该算法基于神经网络来预测抗癌化合物的敏感性,这是一种多模式深度学习解决方案,能够使来自不同来源的数据帮助预测患病组织中细胞对给定药物的反应。同时,AI还可以在进行预测时标记科学家最关心的特定基因和化合物分子结构。经过多次实验,PaccMann比现有的复合筛选预测算法更智能。该领域的研究人员可以使用PaccMann的信息作为指导,帮助他们改进或重复使用现有药物并开发新药。

2.可以自动从科学论文中提取知识的INTERAcT

INtERAcT使用无监督学习从科学论文中提取有关蛋白质 - 蛋白质相互作用的信息。特别值得关注的是能够从与癌症相关的有价值的科学文献中自动提取数据。

一般而言,一些生物医学研究成果和论文将发表在权威期刊上,这是科学家阅读科学成果的唯一途径。最近,有一篇论文表明,在癌症研究领域,每年发表的科学论文约有17,000篇,论文数量呈指数级增长。面对如此大量的论文,从事癌症研究的科学家们无法逐一阅读。 INtERAcT系统的诞生旨在帮助科学家通过AI技术快速提取有效信息并在学术上减少信息。他们的负担。

Pixabay

INtERAcT使用文字嵌入的概念来处理大量科学论文的文本,并定义了一个新的度量来量化蛋白质之间的相互作用。对于在生物医学领域工作的人来说,全面了解蛋白质相互作用是基础,变异蛋白也被认为是细胞致癌作用的潜在原因。因此,一旦INtERAcT能够自主提取与蛋白质相互作用相关的详细数据,科学家们可以在短时间内获得有用的信息,并了解有关癌症疾病机制的更多信息。

3.使用分子数据预测疾病的算法PIMKL

PIMKL使用多核学习,使用迄今已知的分子相互作用数据集来预测癌症患者的疾病进展和潜在复发。从病理组织获得的分子生物学信息不仅预测疾病进展,而且还相应地对患者进行分类,使医生能够为不同的患者提供更有针对性的个性化治疗选择。

为了证明该算法的有效性,小发猫研究小组进行了一项实验,其中使用PIMKL预测乳腺癌患者是否会在手术后5年复发。此外,为了实验数据的可靠性,研究团队将PIMKL算法功能与现有的14种应用于乳腺癌预测的AI算法进行了比较。实验结果表明,PIMKL的性能优于同类算法。

Pixabay

这三种算法证明了机器学习在癌症和生物医学研究等复杂疾病发展中的作用。对于这些癌症解决方案,小发猫表示他们将继续优化和改进它们。这一次,小发猫Open Source,癌症领域的三个人工智能研究项目,希望最大限度地发挥AI在生物医学领域的积极影响。

Pixabay

参考文献:[1]用于加速癌症研究的新型AI工具。检索2019年7月22日

本文来自无锡药明康德微信团队,欢迎前来朋友圈,拒绝转载到其他平台;如果需要打开白名单,请在文章底部留言;如果还有其他合作需求,请联系

——



漳州信息网 版权所有© www.xingkelvye.net.cn 技术支持:漳州信息网 | 网站地图