<dd id="fdj3f"></dd>
      <button id="fdj3f"></button>

    1. <li id="fdj3f"><acronym id="fdj3f"><u id="fdj3f"></u></acronym></li>

      <progress id="fdj3f"></progress><li id="fdj3f"><acronym id="fdj3f"><u id="fdj3f"></u></acronym></li>
      <th id="fdj3f"><pre id="fdj3f"></pre></th>

    2. <rp id="fdj3f"><acronym id="fdj3f"></acronym></rp>
      <button id="fdj3f"><acronym id="fdj3f"></acronym></button>
          <th id="fdj3f"></th>

          蛋白質組學

          北京青蓮百奧生物科技有限公司

          領跑智慧多組學,助力科研新發現


          服務咨詢熱線

          010-53395839

          蛋白質組學,糖基化蛋白質組學,多組學聯合分析
          您當前的位置 : 首 頁 > 新聞動態 > 行業資訊

          「青蓮百奧干貨」管窺人工智能在生命科學中的應用

          2021-07-23 00:00:00


          智力通常被認為是收集知識和推理知識以解決復雜問題的能力,對于人工智能來說,智能=感知+分析+反應。盡管它十分依賴計算,而不同于計算機科學的是,它強調感知、推理和行動的重要性。人工智能目的就是讓機器能夠像人一樣思考,讓機器擁有智能。時至今日,人工智能的內涵已經大大擴展,成為一門交叉學科。

          人工智能在理解和執行智能任務方面發揮著重要作用,例如推理、學習新技能以及適應新情況和問題。人工智能的洞察力令人難以置信,它更持久、成本更低、熟練度易于訓練和傳播、可以比人類更快更好地執行某些任務。

          在科學領域,人工智能已經對許多領域產生了重大影響,其中包括圖像分析或自然語言處理,并且正在擴展到信息學以外的不同領域,包括生命科學和生物醫學科學。值得注意的是,人工智能并不是一門新學科,在 1956 年約翰.麥卡錫就率先提出了人工智能的概念,從那時起,人工智能作為計算機科學的一部分發展起來。它的子學科之一是機器學習 (ML),它是通過分析輸入數據,然后根據輸出反復優化模型的過程,在自然科學中至少有三十年的應用歷史。機器學習的一種變體稱為深度學習 (DL),是一種基于機器學習的方法,利用類似于生物神經網絡的多層神經網絡架構,能夠分析各種領域爆炸式增長的大數據。ML  DL 目前在生命科學領域因從數據中提取知識和進行各種預測受到廣泛關注。人工智能在包括疾病診斷與鑒定、個性化醫療、藥物發現和制造和臨床試驗在內的生命科學領域得到持續的發展和應用。


          從NAR的web server??芨Q
          生命科學研究中的人工智能

          2021年核酸研究(Nucleic Acids Research)Web Server??癸@了人工智能(AI)在生命組學的應用,相關文章占超過兩成(共19篇)。應用范圍也很廣泛,其中以結構生物學(7篇)和生命組學(7篇)為主(「青蓮快訊」2021年核酸研究Web Server??倲?/a>——點擊查看詳情),在功能分析、基因工程、藥物研究等方面也都有所涉及。多種AI算法得到合理的應用,都在作者們的精心調教下展示出巨大的能量。

          接下來請跟著小編一起看看生物學研究經常會涉及到的web服務網站,包括了理化性質預測,蛋白質功能預測,富集分析,疾病與基因關聯,文獻推薦這五個生物學研究非常重要研究領域。


          IPC 2.0:利用深度學習預測等電點和pKa解離常數

          網址:http://www.ipc2-isoelectric-point.org/

          等電點是指一個特定的分子由于正負電荷的平衡而呈電中性的pH值。在蛋白質和肽中,這取決于七個氨基酸的帶電基團和多肽末端的NH+COO-基團的解離常數(pKa)。有關等電點和pKa的信息被廣泛用于二維凝膠電泳(2D-PAGE)、毛細管等電聚焦(cIEF)、結晶和質譜分析。因此,對等電點和pKa值的預測對生物學研究具有非常重要的意義。

          經典的等電點預測是采用pKa值進行簡單的計算,IPC 2.0根據序列特征預測pKa值,并采用機器學習的方法準確預測等電點,是一個使用深度學習和支持向量回歸模型混合預測等電點和pKa值的網絡服務器。用戶可以輸入蛋白質序列或多肽序列進行預測,得到等電點預測的散點圖。



          DeepGOWeb基于1D-CNN的蛋白質功能預測

          DeepGOWeb是基于2020年發表在Bioinformatics上的DeepGOPlus,并做成了一個網頁服務。其核心方法是將深度學習和已知功能蛋白的序列相似性結合起來,并確保預測的蛋白功能和Gene Ontology系統相容。采用CAFA3進行評估,該方法表現非常突出。

          DeepGOWeb的主要功能基于一維卷積神經網絡(1D-CNN)實現,模型的輸入為氨基酸序列,先采用One Hot法進行編碼,轉化為可計算的數組,再經過卷積和池化處理,接著通過全連接層實現分類,輸出單一類別。

          DeepGOWeb頁面上可以直接輸入蛋白質序列,在結果頁面中會列出和提交序列相似的蛋白質及其打分,以及預測得到的GO注釋。

          該網站可以對任意已知或未知蛋白質序列進行GO功能的預測,如果研究過程中想了解某些蛋白的功能,該網站無疑是個很好的選擇。



          KOBAS-i 整合多種富集方法,提供綜合評分

          網址:http://kobas.cbi.pku.edu.cn

          KOBAS2005年由北大生物信息中心推出的功能富集分析網站。KOBAS-iKOBAS的基礎上,引入了該團隊發表的基于支持向量機(SVM)的評分方法(Chen Ai, 2018),稱為結合優先級和敏感性的基因集分析(CGPS),將9個著名的基因集富集(GSE)工具提供的結果整合為一個綜合評分(R score),將通路作為綜合結果進行分類和排序。

          和以往使用KOBAS類似,用戶只需要選擇物種,基因列表類型,并輸入基因列表,即可針對某個背景數據集進行功能富集分析。



          DGLinker:基于知識圖譜的疾病-基因關聯預測

          DGLinker利用生物和表型信息數據庫生成知識圖譜,可用于預測疾病與基因的關聯。用戶需要提供感興趣的表型或(和)基因的列表,DGLinker 后臺經過富集分析得到特征基因,用特征基因生成一個鄰接矩陣,然后對鄰接矩陣進行縮放和加權以產生每個基因的最終評分。將評分與閾值作比較,高于閾值的基因作為候選基因。其中,權重和評分閾值是從已知的相關基因組中學習得到的。DGLinker主要依賴edgeprediction,這是本文作者之一Daniel M. Bean2017年發布的工具包,作為知識圖譜邊預測算法的python實現。



          LitSuggestNCBI推出文獻推薦和注釋服務

          址:https://www.ncbi.nlm.nih.gov/research/litsuggest
          檢索和閱讀相關文獻是生物醫學研究中的一種常規做法?,F有的檢索系統,如PubMed,常常只返回次優結果。因此,NCBI推出了LitSuggest,一個提供一體化文獻推薦和整理服務的網絡服務器。LitSuggest采用機器學習技術,能準確地推薦相關的pubmed文章。

          LitSuggest相較于其他工具的優勢:


          人工智能已經越來越多應用于生命科學的多個研究領域中,我們從今年的核酸研究在線服務??梢愿Q見一斑。人工智能的應用給生命科學研究帶來了驚喜,并將逐漸滲透到生命科學研究的各個分支領域。
          對于生物學科研工作者而言,掌握人工智能的技術無疑是個挑戰。但從該??峁┑墓ぞ呖梢灶A見,我們并不需要掌握人工智能的技術,只需要帶著我們的科學問題,尋找人工智能的解決方案,能獲得比經典方法更符合客觀的結論,提升我們研究的速度和精度。

          圖片

          青蓮百奧可提供一站式蛋白質組學、代謝組學、轉錄組學、多組學聯合分析等科研服務。青蓮百奧在質譜檢測方面項目經驗豐富,擁有國際一流的質譜平臺,海歸坐鎮專業生信分析團隊,助您在科研道路上乘風破浪,沖擊高水平文章。更多技術服務敬請來電咨詢:010-53395839。


          標簽

          0

          最近瀏覽:

          相關產品

          相關新聞

          北京青蓮百奧生物科技有限公司

          固話:010-53395839
          郵箱:service@qinglianbio.com
          地址:北京市海淀區永豐產業基地綠海大廈C座301


          掃一掃,關注我們
          视频一区 国产精品 大秀视频_手机看片一级_中文无码久久精品_高清无码视频直接看