综合精品天天夜夜久久,日本中文字幕二区区精品,亚洲欧美中文字幕制服二区,青青青国产爽爽视频免费观看

      

      

        
  

        

        
	
	

        

        



        

	
        

        
	
        
  	       
        
       中國基因網(wǎng)您的位置：首頁 >基因科普 >        
        
  
        
		
        
			
        深度學習有助于科學家跟蹤細胞的內(nèi)在部分
        
			
        
				2019-06-24 09:39:32
				?
			  來源：
			
        
		
        
				
		
        
			
        唐納利中心的研究人員已經(jīng)開發(fā)出一種深度學習算法，可以跟蹤蛋白質(zhì)，幫助揭示什么使細胞健康和疾病出了什么問題。
        

        深度學習有助于科學家跟蹤細胞的內(nèi)在部分
        

        “通過觀察細胞圖像，我們可以學到很多東西：蛋白質(zhì)在正常條件下看起來如何，在攜帶基因突變的細胞中或者當我們將細胞暴露于藥物或其他化學試劑時，它們看起來有何不同?人們試圖手動評估這是怎么回事與他們的數(shù)據(jù)，但是這需要花費大量的時間，”本杰明Grys，一說研究生在分子遺傳學和該研究的合著者。
        

        該算法被稱為DeepLo??c，可以比人眼或之前基于計算機視覺的方法更好，更快地識別蛋白質(zhì)產(chǎn)生的細胞模式。在最新一期“分子系統(tǒng)生物學”的封面故事中，由Donnelly中心的教授Brenda Andrews和Charles Boone以及分子遺傳學系領導的團隊也描述了DeepLo??c處理來自其他實驗室的圖像的能力，說明了其廣泛使用的潛力。
        

        從自動駕駛汽車到可以診斷癌癥的計算機，人工智能(AI)正在以難以預測的方式塑造世界，但對于細胞生物學家來說，這種變化不可能很快到來。得益于全新的全自動顯微鏡，科學家們可以比分析數(shù)據(jù)更快地收集大量數(shù)據(jù)。
        

        “現(xiàn)在，只需幾天到幾周的時間就可以獲得細胞圖像，需要幾個月到幾年才能分析它們。深度學習最終會使分析的時間尺度降低到與實驗相同的時間尺度，”領導公司的Oren Kraus說道。 - 該論文的作者和研究生共同監(jiān)督由唐納利中心和電氣和計算機工程系的安德魯斯和Brendan Frey教授。Andrews，Boone和Frey也是加拿大高級研究院的高級研究員。
        

        與其他類型的AI類似，其中計算機學會識別數(shù)據(jù)中的模式，DeepLo??c經(jīng)過培訓，可識別由發(fā)光蛋白標記的熒光標簽制成的各種形狀，使其在細胞中可見。但與需要詳細說明的計算機視覺不同，DeepLo??c直接從圖像像素數(shù)據(jù)中學習，使其更加準確和快速。
        

        Grys和Kraus對團隊以前發(fā)布的數(shù)據(jù)進行了DeepLo??c培訓，該數(shù)據(jù)顯示細胞中有超過4,000種酵母蛋白占據(jù)的區(qū)域 - 酵母中所有蛋白質(zhì)的四分之三。該數(shù)據(jù)集仍然是最完整的地圖，顯示了任何細胞中絕大多數(shù)蛋白質(zhì)的確切位置。當它于2015年首次發(fā)布時，分析是通過復雜的計算機視覺和機器學習管道完成的，需要數(shù)月才能完成。DeepLo??c在幾個小時內(nèi)處理了數(shù)據(jù)。
        

        DeepLo??c能夠發(fā)現(xiàn)類似圖像之間的細微差別。初步分析確定了15種不同類別的蛋白質(zhì)，每種蛋白質(zhì)代表細胞中不同的鄰域;DeepLo??c確定了22個課程。它還能夠對由于激素治療而形狀發(fā)生變化的細胞進行分類，這是以前的管道無法完成的任務。
        

        Grys和Kraus能夠使用與原始訓練集不同的圖像快速重新訓練DeepLo??c，表明它可以用于處理來自其他實驗室的數(shù)據(jù)。他們希望通過眼睛看圖像仍然是常態(tài)的領域中的其他人將采用他們的方法。
        

        “有一些編碼經(jīng)驗的人可以實現(xiàn)我們的方法。他們所要做的只是提供我們提供的圖像訓練集，并用他們自己的數(shù)據(jù)補充。重新訓練DeepLo??c只需一個小時或更短時間然后開始你的分析，“格里斯說。
        

        除了與研究社區(qū)共享DeepLo??c之外，Kraus還與Jimmy Ba合作，通過一個新的初創(chuàng)公司Phenomic AI將該方法商業(yè)化。Ba是AI先驅Geoffrey Hinton的研究生，他是退休的U教授和新成立的Vector Institute的首席科學顧問。他們的目標是為制藥公司分析基于細胞圖像的數(shù)據(jù)。
        

        “在基于圖像的藥物篩選中，您實際上可以根據(jù)它們的外觀來確定藥物如何影響不同的細胞而不是一些簡化的參數(shù)，例如活/死或細胞大小。這樣您就可以提取更多關于細胞的信息我們希望通過發(fā)現(xiàn)化學化合物的更微妙的影響，使早期的藥物發(fā)現(xiàn)過程更加準確，“Kraus說。
        
			

			
          
        
			
        
            鄭重聲明：本文版權歸原作者所有，轉載文章僅為傳播更多信息之目的，如有侵權行為，請第一時間聯(lián)系我們修改或刪除，多謝。
			
        
			
			
        
        
        推薦內(nèi)容