首页 » 标签 :“机器学习”(共找到约30条相关新闻)
  • 基因组机器学习分析表明武汉2019-nCoV与蝙蝠β冠状病毒之间存在关联

    截至2020年2月3日,2019年新型冠状病毒(2019-nCoV)传播到27个国家,死亡362人,确诊病例超过17000起。科学家们正在将2019-nCoV与臭名昭着的SARS冠状病毒爆发进行比较。在2002年11月至2003年7月期间,SARS在全球导致8098例确诊病例,死亡率为9.6%,死亡774人。仅中国大陆就有349人死亡,5327例确诊病例。尽

  • Science子刊:我国科学家开发出针对ctDNA甲基化特征的机器学习算法来诊断结直肠癌

    在一项新的研究中,来自中国中山大学肿瘤防治中心、广州优泽生物技术有限公司、华中科技大学同济医学院、上海市第一人民医院、四川大学、第四军医大学和澳门科技大学的研究人员使用了一种针对癌症甲基化特征的机器学习算法来诊断结直肠癌。

  • Nat Biotechnol:“机器学习”帮助鉴定磷酸化位点

    EMBL的欧洲生物信息学研究所(EMBL-EBI)的研究人员创建了迄今为止最大的参考磷酸化蛋白质组,将近120000个人类磷酸化位点。为了识别最重要的成员,他们使用了一种机器学习方法,能够根据功能重要性对其进行排名。

  • 利用机器学习模型探索中药的归经理论

    芬兰赫尔辛基大学医学院汤靖教授和他的团队提出了一个机器学习模型来预测中药的归经。该方法将有助于理解中药归经的理论基础。该项目由赫尔辛基大学汤靖教授的网络药理学课题组和华东理工大学唐赟教授的新药设计重点实验室共同合作完成。该结果发表在最新一期的PLOS Computational Biology杂志上。什么是中医?中医已经在千年临床中广泛用于疾病的预防和治疗。

  • Nat Commun:机器学习帮助揭示大脑记忆的形成机制

    2019年12月2日 讯 /生物谷BIOON/ --近日,新加坡国立大学(NUS)的研究人员发现了大脑编码短期记忆的关键,进而在认知计算神经科学领域取得了突破。 新加坡国立大学心理学系助理教授Camilo Libedinsky以及新加坡国立大学创新与设计计划高级讲师Shih-Cheng Yen等人发现,大脑额叶中的神经元群体在动态变化的神经活动中包含稳定的短期记忆信息。这一发现可能对理解

  • 研究发现通过无监督迁移学习提升精神分裂症患者基于 脑功能影像数据机器学习分类的跨中心泛化性

    在临床研究领域,机器学习已被广泛用于优化脑影像数据分析和建立预测模型来对精神分裂症患者进行分类。评估泛化性是对预测模型性能评价的重要步骤,然而对该方面问题进行探讨的临床研究却很少。为了解决这一问题,中国科学院心理研究所心理健康重点实验室神经心理和应用认知神经科学(NACN)实验室研究员陈楚侨与国际合作者开展了一项专门基于静息态磁共振成像对精神分裂症患者机器学习分类泛化性的探讨。其中,研究者们采用内

  • Elife:机器学习与表观遗传学药物发现

    2019年10月24日 讯 /生物谷BIOON/ --随着计算机技术的发展,机器学习强大的处理数据的能力正在彻底改变我们的新药发现模式。近日,Sanford Burnham Prebys医学发现研究所的科学家开发了一种机器学习算法,可以从显微镜图像中收集信息,从而可以进行高通量表观遗传药物筛选,从而可以开辟针对癌症,心脏病,精神疾病等的新疗法。该研究结果发表在最近的《eLife》杂志上。文章作者,

  • Nat Biotechnol:研究人员开发新的机器学习模型预测CRISPR-Cas9编辑人原代T细胞的结果

    2019年8月4日讯 /生物谷BIOON /——在一项近日发表在《Nature Biotechnology》上、题为"Large dataset enables prediction of repair after CRISPR-Cas9 editing in primary T cells"研究中,来自Chan-Zuckerberg Biohub、斯坦福大学、加州大学等单位的研究人员在Alexa

  • Cell:机器学习帮助全面认识抗生素杀菌原理

     一个国际研究团队利用机器学习算法发现,在抗生素杀灭细菌的过程中,核苷酸代谢起着重要作用。这有助于人们更全面地理解抗生素作用原理,在此基础上开发更好的杀菌方法。美国麻省理工学院等机构研究人员在新一期美国《细胞》杂志上报告说,他们使用氨苄西林、环丙沙星和庆大霉素3种抗生素,以及约200种与代谢有关的物质,将它们搭配组合,观察不同组合对大肠杆菌的杀灭效果。他们用机器学习算法分析了与杀菌效果相

  • elife:机器学习揭示蛋白质的功能

    2019年3月13日 讯 /生物谷BIOON/ --今天在开放获取期刊eLife中描述了一种能够读取和分析蛋白质序列的新型机器学习模式。该研究表明,当训练读取序列数据时,称为限制玻尔兹曼机器(RBM)的人工神经网络可以提供有关蛋白质结构,功能和进化特征的大量信息。它被认为是第一种可以仅从序列数据中提取这种细节水平的方法。(图片来源:www.pixabay.com)蛋白质由称为氨基酸的分子序列形成,