女人自慰AV免费观看内涵网,日韩国产剧情在线观看网址,神马电影网特片网,最新一级电影欧美,在线观看亚洲欧美日韩,黄色视频在线播放免费观看,ABO涨奶期羡澄,第一导航fulione,美女主播操b

0
  • 聊天消息
  • 系統消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發帖/加入社區
會員中心
創作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內不再提示

病毒進化迅速難研究? 機器學習來助力

KIyT_gh_211d74f ? 來源:未知 ? 作者:伍文輝 ? 2018-03-29 14:05 ? 次閱讀

最近,研究者借助 AI 技術發現了近 6000 種前所未聞的新病毒,這一工作已在 3 月 15 號由美國能源部(DOE)組織的一場會議中展示,成為了一種探索發現數量巨大、種類繁多的病毒的新工具。

盡管從人類健康到垃圾降解,病毒的影響力無處不在,卻很難被研究。科學家無法在實驗室培植絕大多數病毒,確定其基因序列的嘗試也多遭失敗,因為它們的基因組極小,且進化迅速。

近年來,通過將取自不同環境的樣本中的 DNA 進行排序,研究者已經獲得了一些未知的病毒。為了確定目前存在的微生物,研究者搜集了已知病毒和細菌的基因特征,就如同文字處理器的「查找」功能會突出顯示文檔中包含特定字母的單詞。但這一方法經常失敗,因為病毒學家無法搜集他們不知道的東西。機器學習解決了這一問題,因為它可以發現海量數據中的潛在模式。機器學習算法解析數據,從中學習,接著自動分類信息。

南加州大學洛杉磯分校的計算生物學家 Jie Ren 說:「從前沒有研究病毒的好方法,但現在就不同了,我們有了新工具。」

上周日,美國能源部聯合基因組研究所(JGI)的計算生物學家 Simon Roux 訓練計算機識別不常見的 Inoviridae 病毒家族的基因序列。這些病毒生存在細菌中并改變宿主的行為:比如,它們會使引起霍亂的細菌即霍亂弧菌的毒性變得更強。Roux 在 JGI 組織的會議上(加州,舊金山)展示了其研究,稱在他的研究開始前已識別到的基因組種類不到 100 種。

Roux 展示了一個機器學習算法,該算法使用兩個數據集:一個包含 805 個來自已知 Inoviridae 的基因序列,另一個包含 2000 個來自細菌和其他病毒的基因序列。算法可以找到一種方式來區分二者。

然后,Roux 向模型饋送大量宏基因組學數據集。計算機恢復了一萬多種 Inoviridae 基因組,并將其分成不同種類的集群。這些集群之間的基因變異非常大,意味著 Inoviridae 可能有很多家族。

病毒學習

在另一項獨立研究中,巴西圣保羅大學的生物信息學家 Deyvid Amgarten 應用機器學習來在城市動物園的天然肥料堆中尋找病毒。他將算法設計為可以搜索病毒基因組的幾個可分辨特征,例如給定長度的 DNA 雙鏈的基因密度。經過訓練之后,計算機復原了幾種可能是新型的基因組,Amgarten 說。他將這個結果在 JGI 會議上進行了展示。最后一步是學習這些病毒生成的蛋白質種類,然后檢查哪些蛋白質將加速有機物的破壞。「我們希望改善肥料的質量。」他說。

Amgarten 是從去年報告的一項機器學習工具即 Ren 的團隊開發的 VirFinder 中得到靈感的。VirFinder 被設計用于尋找 DNA 堿基組合,例如 DNA 雙鏈中的 AT 或 GC。Ren 將算法應用到從健康人和肝硬化患者(由肝炎或慢性酒精中毒導致的疾病)的臉部取樣的宏基因組。機器將取樣的病毒完成了分組之后,該團隊注意到樣本中某些特定類型的基因組在健康人群中相對更少或更多,這意味著這些基因組相關的病毒可能導致了疾病。Ren 的成果是一項很誘人的發現:生物醫學研究者長期以來一直很困惑,到底是哪些病毒導致了那些疑難雜癥,例如慢性疲勞綜合癥(也稱為肌痛性腦脊髓炎),以及炎癥性腸病。

康涅狄格州法明頓市的基因組醫學杰克遜實驗室的免疫學家 Derya Unutmaz 推測,病毒可能觸發了一些毀滅性的反應,或者改變了人體微生物群系的細菌行為,從而使新陳代謝和免疫系統變得不穩定。Unutmaz 說,通過應用機器學習,研究者可以發現患者體內仍被隱藏的病毒。此外,由于 AI 可以在大規模數據集中發現模式,該方法也許可以將病毒數據和細菌關聯起來,然后和癥狀相關的蛋白質變化關聯起來。「機器學習可以揭示出我們甚至從沒思考過的問題。」Unutmaz 說。

聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規問題,請聯系本站處理。 舉報投訴
  • 醫療
    +關注

    關注

    8

    文章

    1881

    瀏覽量

    59644
  • 機器學習
    +關注

    關注

    66

    文章

    8492

    瀏覽量

    134122
  • 數據分析
    +關注

    關注

    2

    文章

    1470

    瀏覽量

    34805

原文標題:前沿 | 機器學習助力醫療,通過數據分析發現近6000種新病毒

文章出處:【微信號:gh_211d74f707ff,微信公眾號:重慶人工智能】歡迎添加關注!文章轉載請注明出處。

收藏 人收藏

    評論

    相關推薦
    熱點推薦

    機器學習賦能的智能光子學器件系統研究與應用

    騰訊會議---六月直播 1.機器學習賦能的智能光子學器件系統研究與應用 2.COMSOL聲學多物理場仿真技術與應用 3.超表面逆向設計及前沿應用(從基礎入門到論文復現) 4.智能光學計算成像技術
    的頭像 發表于 06-04 17:59 ?92次閱讀
    <b class='flag-5'>機器</b><b class='flag-5'>學習</b>賦能的智能光子學器件系統<b class='flag-5'>研究</b>與應用

    機器視覺助力軌道缺陷檢測

    機器視覺檢測助力軌道檢測
    的頭像 發表于 05-21 16:55 ?163次閱讀
    <b class='flag-5'>機器</b>視覺<b class='flag-5'>助力</b>軌道缺陷檢測

    芯傳感器解決方案助力打造下一代智能機器人系統

    Melexis推出全新電子指南《賦感于形:邁向智能機器人的感知集成之路》。該指南深入剖析機器人領域的最新發展態勢,全面展示邁芯的前沿技術,詳細闡述邁芯傳感器解決方案如何高效攻克集成
    的頭像 發表于 04-27 09:56 ?366次閱讀

    具身智能工業機器人:引爆制造業‘自進化’革命

    具身智能工業機器人:引爆制造業‘自進化’革命 在工業4.0浪潮席卷全球的今天,制造業正經歷從“自動化”到“智能化”的質變。作為這場變革的核心驅動力,具身智能工業機器人以其自主感知、學習
    的頭像 發表于 04-17 13:49 ?259次閱讀
    具身智能工業<b class='flag-5'>機器</b>人:引爆制造業‘自<b class='flag-5'>進化</b>’革命

    傳統機器學習方法和應用指導

    在上一篇文章中,我們介紹了機器學習的關鍵概念術語。在本文中,我們會介紹傳統機器學習的基礎知識和多種算法特征,供各位老師選擇。 01 傳統機器
    的頭像 發表于 12-30 09:16 ?1051次閱讀
    傳統<b class='flag-5'>機器</b><b class='flag-5'>學習</b>方法和應用指導

    如何選擇云原生機器學習平臺

    當今,云原生機器學習平臺因其彈性擴展、高效部署、低成本運營等優勢,逐漸成為企業構建和部署機器學習應用的首選。然而,市場上的云原生機器
    的頭像 發表于 12-25 11:54 ?394次閱讀

    什么是機器學習?通過機器學習方法能解決哪些問題?

    來源:Master編程樹“機器學習”最初的研究動機是讓計算機系統具有人的學習能力以便實現人工智能。因為沒有學習能力的系統很難被認為是具有智能
    的頭像 發表于 11-16 01:07 ?859次閱讀
    什么是<b class='flag-5'>機器</b><b class='flag-5'>學習</b>?通過<b class='flag-5'>機器</b><b class='flag-5'>學習</b>方法能解決哪些問題?

    NPU與機器學習算法的關系

    在人工智能領域,機器學習算法是實現智能系統的核心。隨著數據量的激增和算法復雜度的提升,對計算資源的需求也在不斷增長。NPU作為一種專門為深度學習機器
    的頭像 發表于 11-15 09:19 ?1102次閱讀

    具身智能與機器學習的關系

    (如機器人、虛擬代理等)通過與物理世界或虛擬環境的交互獲得、發展和應用智能的能力。這種智能不僅包括認知和推理能力,還包括感知、運動控制和環境適應能力。具身智能強調智能體的身體和環境在智能發展中的重要性。 2. 機器
    的頭像 發表于 10-27 10:33 ?919次閱讀

    【《時間序列與機器學習》閱讀體驗】+ 時間序列的信息提取

    之前對《時間序列與機器學習》一書進行了整體瀏覽,并且非常輕松愉快的完成了第一章的學習,今天開始學習第二章“時間序列的信息提取”。 先粗略的翻閱第二章,內容復雜,充斥了大量的定義、推導計
    發表于 08-14 18:00

    【「時間序列與機器學習」閱讀體驗】+ 簡單建議

    這本書以其系統性的框架和深入淺出的講解,為讀者繪制了一幅時間序列分析與機器學習融合應用的宏偉藍圖。作者不僅扎實地構建了時間序列分析的基礎知識,更巧妙地展示了機器學習如何在這一領域發揮巨
    發表于 08-12 11:21

    【《時間序列與機器學習》閱讀體驗】+ 了解時間序列

    收到《時間序列與機器學習》一書,彩色印刷,公式代碼清晰,非常精美。感謝作者,感謝電子發燒友提供了一個讓我學習時間序列及應用的機會! 前言第一段描述了編寫背景: 由此可知,這是一本關于時間序列進行大數
    發表于 08-11 17:55

    OpenAI揭秘CriticGPT:GPT自進化新篇章,RLHF助力突破人類能力邊界

    OpenAI近期震撼發布了一項革命性成果——CriticGPT,一個基于GPT-4深度優化的新型模型,其獨特之處在于能夠自我提升,助力未來GPT模型的訓練效率與質量躍升至新高度。這一創新之舉,仿佛開啟了AI自我進化的“左腳踩右腳登天”模式,預示著AI能力的無限可能。
    的頭像 發表于 07-02 10:19 ?1002次閱讀

    深度學習與傳統機器學習的對比

    在人工智能的浪潮中,機器學習和深度學習無疑是兩大核心驅動力。它們各自以其獨特的方式推動著技術的進步,為眾多領域帶來了革命性的變化。然而,盡管它們都屬于機器
    的頭像 發表于 07-01 11:40 ?2237次閱讀

    名單公布!【書籍評測活動NO.35】如何用「時間序列與機器學習」解鎖未來?

    捕捉復雜非線性模式的場景中顯得力不從心。 將時間序列的分析與預測用于大規模的數據生產一直存在諸多困難。 在這種背景下,結合機器學習,特別是深度學習技術的時間序列分析方法,成了研究和應用
    發表于 06-25 15:00