引起儿童流行性肠胃炎的 A 组和 C 组轮状病毒中刺突蛋白 VP4 的 VP8* 结构域表现出保守的半乳凝素样折叠,用于在细胞进入过程中识别聚糖。
谷歌的人工智能负责人 Laurence Moroney 做出了回应,试图证明人工智能可以做什么。尽管他最初并不担心人工智能会取代他或其他作家。
公众号/ ScienceAI(ID) 编辑 | 萝卜皮 随着抗生素耐药性感染的增加以及不断演变扩大的大流行病毒 […]
劳伦斯伯克利国家实验室(Lawrence Berkeley National Laboratory,LBNL 或LBL)、美国空军研究实验室(Air Force Research Laboratory 缩写AFRL)等机构的研究人员合作,对人工智能在合成生物学中的应用现状、影响、挑战以及潜力与前景进行了较为系统的阐述。
近日,来自斯坦福大学的 Sadasivan Shankar 和 Richard N. Zare 在《Nature Machine Intelligence》发表 Correspondence 文章:「The perils of machine learning in designing new chemicals and materials」,指出了机器学习在设计新化学品和材料中的危险。
机器学习方法的兴起正在加快材料和药物发现过程,然而,当前的技术,主要是深度学习,需要大量数据集来训练模型,并且许多特定类别的化学数据集包含少数示例化合物,限制了它们泛化和生成可以在现实世界中创建的物理分子的能力。
越来越多的生物制药初创公司使用机器学习、数据科学和其他计算方法来寻找新的药物靶点、设计新的治疗方法,并支持他们的测试。
在现有的机器学习框架中,储层计算(Reservoir Computing)展示了快速、低成本的训练,并适用于各种物理系统。
大数据时代,AI 技术在复杂对象的特征表征、多模态融合、样本自动生成等问题中表现出独特的优势,为合成生物学的应用插上了腾飞的翅膀。
总部位于圣地亚哥的初创公司 LifeVoxel 已在种子轮中筹集了 500 万美元,以支持其 AI 诊断可视化平台的数据智能,以实现更快、更精确的预测。
「了解大脑的所有复杂性需要从多个尺度——从基因组学、细胞和突触到整个器官水平的洞察力。这意味着处理大量数据,超级计算正在成为解决大脑问题的不可或缺的工具。」
今天,生物医学研究人员可以通过使用机器学习进行基于图像的分析,有效地对显微镜图像中的数千个细胞进行分类。
得益于空军科学研究办公室的195 万美元赠款,马萨诸塞大学阿默斯特分校数学和统计系教授 Markos Katsoulakis 和 Luc Rey-Bellet,以及布朗大学的 Paul Dupuis 将在接下来的四年开发一种新的机器学习方法,超越对大数据的传统依赖。
Bülent Kızıltan 博士既是一名科学家也是一位企业高管,他通过将创业思维与卓越科学相结合从而推动创新。目前,他在诺华负责因果分析和预测分析的创新工作。以下是他关于药物发现中的数据科学、预测分析和人工智能的访谈内容。
杜氏肌营养不良症(Duchenne muscular dystrophy,DMD)是一种由肌营养不良蛋白基因突变引起的肌肉萎缩性遗传疾病。
据称,Gateway将主要作为一个停驻设施,一个前往月球表面或最终前往火星的宇航员的中转站。