金沙js0888_首頁(欢迎您)

  • <td id="dgejl"><strike id="dgejl"></strike></td>
        1. 阿斯利康利用基于PyTorch的算法发现新药物

          编译作者: 布加迪 2020-10-30 08:00:00

          【51CTO.com快译】自2017年推出以来,Facebook的机器学习框架PyTorch已得到很好的利用,应用广泛,从支持Elon Musk的自动驾驶汽车到驱动机器人耕种项目,不一而足。

          现在制药公司阿斯利康(AstraZeneca)透露了其内部工程师团队如何利用PyTorch,同样重要的是简化和加快药物发现。

          阿斯利康的技术将PyTorch与微软Azure机器学习相结合,可以梳理大量数据,对于药物、疾病、基因、蛋白质或分子之间的复杂关系有一番新的了解。

          这番了解可用于馈送给算法,算法进而可以为某种疾病推荐许多药物靶标,供科学家在实验室进行测试。

          这种方法便于在药物发现之类的领域取得巨大进展,迄今为止,该领域一直基于昂贵且耗时的反复试验方法。

          为了研制出对付某种疾病的新药,科学家通常要在实验室测试不同的蛋白质设计和组合,直至找到可行的解决方案,这就是为什么从药物设计到准备上市需要10到15年的时间。另一方面,阿斯利康的算法可以更快地确定科学家应针对某种疾病寻找的十大药物靶标。

          将自动化应用于药物发现尤其有用,因为科学家可以访问以帮助开展研究的数据量每年急剧增长。分析每天越来越庞大的数据库以了解它们如何为药物发现提供信息,实际上成了一项超人才能完成的任务。

          阿斯利康的机器学习工程师Gavin Edwards告诉ZDNet:“每年,可供研究人员使用的科学信息和数据的绝对量在增长。通过利用AI和机器学习工具(比如PyTorch和Azure),我们就能迅速提取、整合和解读来自多个来源的信息,旨在比我们手动分析这些数据更迅速地得到更准确的科学结论。”

          许多可用数据是非结构化文本,这时候PyTorch有了用武之地。Facebook开发的这个软件包基于Python编程语言,是一种开源机器学习库,尤其适用于在计算机视觉和自然语言处理(NLP)等领域处理密集数据科学任务的开发人员。

          阿斯利康的NLP团队使用PyTorch来定义和训练生物医学文本挖掘算法,这种算法可以遍历数据,查找模式和趋势,并最终确定可用信息的结构。

          然后数据馈入到知识图中,知识图可以智能地将零星的信息连接起来,以便可以将每个数据点置于上下文中来研究。图用起来就像信息网络,不仅能反映每个数据的属性(基因、蛋白质、疾病和化合物),还能反映不同类别之间的关系。

          换句话说,知识图全面地组织所有可用的科学数据。阿斯利康的工程师随后利用微软Azure机器学习的计算功能,使用知识图来训练向科学家推荐新药物靶标的算法。

          Edwards说:“我们将公共领域的研究和内部研究结合到对复杂信息轻松编码的图中。通过在此基础上使用机器学习,我们可以训练机器学习模型,这些模型可以推荐新颖的药物靶标,并有助于为管道决策提供信息。”

          对于在实验室不懈地尝试新药物设计的科学家而言,用于药物发现的推荐算法无疑听起来可以节省大量时间。但是Edwards及其团队还希望,他们在创建的知识图可帮助研究人员找到新的联系,探索新的路径,并测试未经证实的理论,又不浪费太多时间。

          可以缩小数点知识图以便详细查看问题的某个方面,也可以扩展知识图以便提供跨不同研究分支的更广泛视图。因此,研究人员就能轻松获得未利用的信息,这些信息可以为其项目带来更多价值。

          Edwards说:“我们的知识图使研究人员可以提出有关基因、疾病、药物和安全信息等方面的关键问题,帮助识别药物靶标并确定优先级。而且,随着我们的数据和知识越来越丰富,我们的图会随之庞大,这意味着每个新试验都将得益于以前学到的知识。”

          对于Edwards来说,这项技术的应用范围可能很大。在全球疫情持续不断的情况下,这无疑是个好消息。

          原文标题:AstraZeneca is using PyTorch-powered algorithms to discover new drugs,作者:Daphne Leprince-Ringuet

          【51CTO译稿,合作站点转载请注明原文译者和出处为51CTO.com】

          PyTorch 机器学习 人工智能
          上一篇:机器人技术如何改变医疗行业 下一篇:全球公司今年将在AI上花费500亿美元,但没什么东西拿得出手
          评论
          取消
          暂无评论,快去成为第一个评论的人吧

          更多资讯推荐

          机器学习领域读博这段旅程的一些感悟

          一位来自Cornell大学的博士给出了他6年博士旅程的一些个人的经验和建议:小步迭代、策略性阅读、主动、专注、坚持、记笔记、重视社区、拓展视野,无论是工程还是研究,都很有用。

          AI公园 ·? 1天前
          基尼不纯度:如何用它建立决策树?

          为了有效地构建决策树,我们使用了熵/信息增益和基尼不纯度的概念。让我们看看什么是基尼不纯度,以及如何将其用于构建决策树吧。

          读芯术 ·? 1天前
          航运业可借助人工智能打击海盗行为

          今天,对于国际法、世界贸易和海员安全保障来说,海盗行为仍然是一个复杂的挑战。ST Engineering电子公司卫星通信和传感器系统总经理Wai Pheng Goh指出,国际海事组织(IMO)和其他海事安全咨询机构发布了各种反海盗指南和建议,以帮助航运公司保护其船舶免受海盗威胁。

          信德海事 ·? 1天前
          用AI「驯服」人类幼崽:这个奶爸找到了硬核带娃的乐趣

          Agustinus Nalwan 是 Medium 上的一位博主,曾经从事计算机视觉、3D / 动画、游戏开发等方面的工作,目前供职于澳洲最大的汽车交易平台 carsale.com.au。

          机器之心 ·? 1天前
          这个AI让马斯克头秃,还能帮他设计特斯拉

          本文介绍一种基于StyleGAN2的新技术——StyleFlow,根据指定条件,就可以生成人脸。

          杨净 ·? 1天前
          强化学习与3D视觉结合新突破:高效能在线码垛机器人

          国防科技大学、克莱姆森大学和视比特机器人的研究人员合作使用深度强化学习求解在线装箱问题,该方法的性能表现优于现有的启发式算法。

          机器之心 ·? 1天前
          慌不慌?机器人开始有了一丝同理心,能预测机器人伙伴的下一动作!

          当两只灵长类动物长时间被关在一起时,很快就学会了预测室友、同事或家人近期的行动。人类预测他人行动的能力使我们更容易一起生活和工作。相比之下,即使是最智能、最先进的机器人在这类社交交流方面也依然一头雾水。但这种情况可能即将改变。

          前瞻网 ·? 1天前
          2021年人工智能产业预测

          为了对2021年的重要新趋势有所了解,行业媒体采访了各行业厂商的高管,以获取他们的思想和见解,以及对可能发生的事情的预测。

          HERO ·? 1天前
          Copyright?2005-2021 51CTO.COM 版权所有 未经许可 请勿转载
          金沙js0888