人工智能，未来已来？|药明康德全球论坛实录
数据、人工智能、深度学习。它们究竟意味着什么？ 它们将如何改变新药发现和研发的未来？它们又将如何改变我们预测、预防、诊断和治疗疾病的方式？几位AI专家为我们分享了他们的独到观点。 主持人： David Beier博士，Bay City Capital董事总经理 嘉宾： Jessica Mega博士，Verily Life Sciences首席医学官 Vijay Pande博士，Andreessen Horowitz合伙人 Atul Butte博士，加州大学旧金山分校（UCSF）计算健康科学研究所主任 Mickey Kertesz博士，Karius首席执行官 Alex Zhavoronkov博士，Insilico Medicine首席执行官 未来已来？ David Beier博士：大家好，这是我们今天的最后一场专题讨论。先请大家简单介绍一下自己，以及和人工智能相关的背景。 Atul Butte博士：我是......阅读全文
人工智能“进军”基因检测市场
据加拿大《环球邮报》报道，在利用机器学习检测DNA（脱氧核糖核酸）中的致病突变十多年后，加拿大多伦多大学生物医学工程教授布伦丹·弗雷近日成立了“深基因组学”公司，准备将其团队开发的新技术推向市场。 弗雷将深基因组学技术比喻成基因突变领域的谷歌搜索：研究人员可对一个DNA序列进行查询，系统将鉴别
人工智能进军基因检测市场
据加拿大《环球邮报》报道，在利用机器学习检测DNA（脱氧核糖核酸）中的致病突变十多年后，加拿大多伦多大学生物医学工程教授布伦丹·弗雷近日成立了“深基因组学”公司，准备将其团队开发的新技术推向市场。 弗雷将深基因组学技术比喻成基因突变领域的谷歌搜索：研究人员可对一个DNA序列进行查询，系统将鉴
从百万基因组“驶向”人工智能
导读： 7月28日，王俊接受了Nature和Science网站的专访，畅谈了他现在想将自己的一生都贡献给一项新的“研究计划”的原因，他想构建出一个人工智能健康监测系统，来识别人类个体基因组数据、生理性状（表型）和生活方式之间的关系。 王俊（Jun Wang）是中国最著名的科学家之一。自从16
Neurology Genetics:IBM人工智能 高效分析脑瘤基因组
随着肿瘤靶向治疗和个性化治疗方法的不断进步，越来越多的医生意识到了对肿瘤进行基因组测序的重要性。从肿瘤基因组分析中往往能找到更有针对性和更有效的靶向治疗方案，为患者带来更好的疗效。不过，从大量的基因组数据中迅速找到潜在的治疗方案并不是一件容易的事情，但这却是计算机和人工智能程序能够发挥作用的地方
人工智能加持 基因测序行业打开成长新空间
随着人工智能与基因测序相结合发展，基因测序行业必然迎来更大的发展空间，市场则将保持快速增长。预计到2020年，全球基因测序市场将达到138亿美元，年复合增长率为18.7%。我国有望成为全球第一，人工智能技术的引入正加速这一进程。 我国基因测序发展概况 从上世纪70年代的双脱氧核苷酸末
突破！人工智能再度建立功勋！顺利找到肿瘤基因变体！
近年来，人工智能（AI）发展迅速，从AlphaGo击败人类棋手，到商场里随处可见的智能机器人，人工智能已经从实验室走向了大众。而创新型的AI技术也给医疗领域带来了新的机会。 Casey Greene和Way作为人工智能的研究者，将来自肿瘤患者的DNA与治疗方法相匹配，他们使用人工智能来鉴别肿瘤
Nat Commun：人工智能帮助找到导致胃癌的基因突变！
在一项开创性研究中，来自新加坡基因组研究所（GIS）科技研究局的研究人员开发了一种全新的机器学习计算机模型（一种人工智能模型，AI）来准确寻找肿瘤突变。他们还发现了一个非编码DNA的新基因突变可能导致了胃癌。这项研究开发出的新技术将在未来帮助研究人员探索其他肿瘤中非编码DNA突变的影响。图片来源
基因组研究的“98K”——人工智能算法
每个分子遗传学家都希望找到一个易于使用的程序，可以比较来自不同细胞条件的数据集，识别增强子区域，然后将其分配给目标基因。 如今，柏林马克斯·普朗克分子遗传学研究所的马丁·温格隆（Martin Vingron）领导的研究小组现已开发出一个掌握所有这些内容的程序。 “ DNA非常无聊，因为它在每个
PNAS：人工智能病毒工程技术有助于靶向基因疗法开发
近日，瑞典lund大学的神经科学家已经开发出一种新技术，可以对病毒的外壳进行改造，从而将基因疗法提供特定的细胞类型。 近年来临床上已用于治疗复杂疾病（例如脊髓性肌萎缩症和酶缺乏症）的几种新的革命性疗法均基于基因疗法。通过基因疗法，可以使用生物药物控制或改变遗传物质。例如， CRISPR / C
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