科学家如何利用机器学习来帮助改善多种疾病的研究？
本文中，小编整理了多篇研究成果，共同解读科学家们如何利用机器学习来帮助改善多种人类疾病的研究？分享给大家！图片来源：CC0 Public Domain【1】Cell综述深度解读！机器学习如何带来生物医学研究的变革！doi：10.1016/j.cell.2020.03.022日前，一篇刊登在国际杂志Cell上题为“How Machine Learning Wi
Nature：科学家成功利用机器学习技术对肺癌患者进行早期诊断
2020年4月2日 讯 /生物谷BIOON/ --日前，一项刊登在国际杂志Nature上的研究报告中，来自斯坦福大学等机构的科学家们通过研究或有望利用机器学习手段来检测人类患者机体中的早期肺癌，文章中，研究人员分析并检测了这种机器学习系统，以及其寻找血液样本中的循环肿瘤DNA（ctDNA）的能力。图片来源：CC0 Public Domain肺癌是一种最常见的
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。
Science：挑战常规！揭示microRNA抑制mRNA表达新机制
2019年12月11日讯/生物谷BIOON/---为了让基因中包含的指令最终在体内发挥某些功能，构成基因DNA序列的核苷酸或者说碱基必须被读取并用于产生信使RNA（mRNA）。所产生的mRNA随后必须翻译成功能性的蛋白。细胞内的许多不同途径会影响这一重要的生物学过程，决定着基因是否、何时以及在多大的程度上表达。一类主要的调节因子是microRNA（miRNA
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
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，
Science子刊：新方法可区分与头颈癌相关和不相关的肺肿瘤
2019年9月13日讯/生物谷BIOON/---在一项新的研究中，来自德国多个研究机构的研究人员测试了几种机器学习算法，以了解它们如何识别与头颈癌相关的肺肿瘤（即由头颈癌转移到肺部形成的肺转移瘤）和与头颈癌不相关的肺肿瘤（即原发性肺肿瘤）之间的差异。相关研究结果发表在2019年9月11日的Science Translational Medicine期刊上，论文标题为“Machine learnin
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
Nat Genet：鉴别出400多个与精神分裂症发生相关的风险基因
2019年4月8日 讯 /生物谷BIOON/ --近日，一项刊登在国际杂志Nature Genetics上的一篇研究报告中，来自西奈山医院的研究人员应用一种新型的机器学习方法对超过10万多人进行研究，在大脑13个区域中鉴别出了413个与精神分裂症相关的基因，通过对组织中的基因表达情况进行检测分析不仅能帮助研究者鉴别出与精神分裂症相关的基因，还能发现出现异常表达的大脑区域。图片来源：CC0 Publ