Nat Commun：人工智能促进阿尔兹海默症的研究
2019年5月16日 讯 /生物谷BIOON/ --加州大学戴维斯分校和加州大学旧金山分校的研究人员已经找到了一种方法来训练计算机精确检测人类大脑组织中阿尔茨海默病的生物标志物。淀粉样斑块是阿尔茨海默病患者大脑中蛋白质碎片的团块，可破坏神经细胞的连接。加州大学科学家团队开发的机器学习工具可以“看到”脑组织样本是否有一种类型的淀粉样蛋白斑块，并且很快就能完成。该研究结果于5月15日发表在Nature
人工智能给医疗领域带来了哪些革命性变化？
2019年5月5日讯 /生物谷BIOON /——当谷歌DeepMind的AlphaGo在2016年令人震惊地击败传奇围棋选手李世石(Lee Sedol)时，人工智能(AI)、机器学习和深度学习等术语被推入了技术主流。人工智能通常被定义为电脑或机器展示或模拟智能行为的能力，比如特斯拉(Tesla)的自动驾驶汽车和苹果(apple)的数字助理Siri。这是一个蓬勃发展的领域，也是许多研究和投资的重点。
第二届国际智能医疗与知识产权峰会在京召开
5月30日-31日，第二届国际智能医疗与知识产权峰会暨2019北京一带一路国际孵化联合体（ICI）年会在京召开。来自中国、欧盟、美国等20多个国家和组织的代表，围绕跨国技术转移的知识产权、技术转让、智能医疗领域国际创新创业生态建设等主题进行了交流探讨。论坛上，与会代表聚焦医用机器人和数字医疗领域，通过主题论坛、商机对话、跨境孵化圆桌论坛、医用机器人专场、数字化医疗专场及创新企业项目路演
基于人工智能和计算机辅助药物设计的研究方法方面获进展
近日，中国科学院深圳先进技术研究院医药所计算机辅助药物设计中心袁曙光课题组带领团队，利用人工智能和计算生物学的方法从158万个化合物中寻找到了17个嗅觉受体蛋白Olf73的活性药物分子。该工作为基于嗅觉受体蛋白的药物发现与设计提供了有力的理论基础和依据。该成果以Computational modeling of the olfactory receptor Olfr73 suggests a mo
顾臻团队最新PNAS：智能胰岛素防止糖尿病治疗期间低血糖
2019年5月22日讯 /生物谷BIOON /——加州大学洛杉矶分校（UCLA）的生物工程师和他们的同事开发了一种新型胰岛素，可以帮助使用胰岛素治疗糖尿病的人预防低血糖。该疗法正在评估潜在的临床试验，如果成功，可能会改变糖尿病治疗，这项研究发表在《PNAS》上。图片来源：PNAS胰岛素是胰腺自然产生的一种激素。它帮助身体调节葡萄糖，葡萄糖通过食物被消耗，为身体提供能量。当一个人的身体不能自然产生胰
汇智健康.链通未来-液体活检进入人工智能时代
四月江南，太湖湖畔，风光无限， 2019年4月12日-14日，“太湖（马山）生命与健康论坛-第四届全球医药供应链峰会暨中国（无锡）国际医疗器械与医药供应链展览会”在无锡太湖国际博览中心正式开幕。本次论坛旨在进一步推进无锡市生命大健康产业快速发展▲本次活动由中国医师协会、全国卫生产业企业管理协会、中国科协海智办、中国物流与采购联合会、中国生物医学工程学会、中国药协会、中国研究型医院学会等全
未来已来 拥抱干细胞制备智能化时代
5月9日，由上海乐孜睿泰主办的第一届“面向未来的新一轮医疗技术革命-干细胞生产自动化与再生医学产业化论坛”在京顺利召开。生命科学尤其是干细胞和再生医学获得突飞猛进的发展的今天，干细胞技术产业化，再生医学的临床转化成为全国关注的热点话题。 近年，干细胞库在全国各省市相继建立，干细胞药物上市正在加速推进，但干细胞技术的操作基本是手工完成，不确定因素较多，如何将日益成熟的干细胞技术走向产品化，向大规模、
Science：人工突触具有快速、高效以及持久的优点
2019年5月7日 讯 /生物谷BIOON/ --斯坦福大学和桑迪亚国家实验室的研究人员开发了基于人脑神经元连接的计算机组分：一种充当人工突触的装置，模仿神经元在大脑中的通信方式。该团队报告说，这些设备中的9个的原型阵列在处理速度，能效，再现性和耐久性方面表现甚至优于预期。展望未来，团队成员希望将他们的人工突触与传统电子设备相结合，他们希望这可能是支持小型设备上人工智能学习的一步。（图片来源：Ww
人工智能如何让老药达到新高度
Daniel Cohen博士是世界著名的遗传学家和现代遗传学的先驱。他在法国Généthon实验室的工作对人类基因组图谱的发布做出了杰出的贡献。随后，他将大数据和自动化引入基因组学的研究，他和他的团队第一次证明可以用超快速计算来加快DNA样本的分析。然而，在基因组学出现25年后，它给世界带来的革命性医疗突破却不如很多人的预期。如今，Cohen博士是一家名为Pharnext的法国医药公司的首席执行官
《自然》子刊：人工智能找到了400多个精神分裂症相关基因
近日，来自西奈山伊坎医学院（Icahn School of Medicine at Mount Sinai）的研究人员使用了一种新的机器学习方法，确定了来自13个大脑区域中的413个精神分裂症相关基因。这项研究发表在了《Nature Genetics》上，是同类研究中规模最大的一次，参与人数超过10万人。这项研究使用机器学习算法，从组织水平上检测基因表达，不仅可以识别出与精神分裂症相关