


Nature-Unterjournal: KI-Algorithmus entschlüsselt die genetischen Eigenschaften von Krebszellen mit einer Genauigkeit von 99 %!
AI hat wieder großartige Erfolge erzielt.
Dieses Mal kann ein neuer KI-Algorithmus für maschinelles Lernen „Ikarus“ den Unterschied in den genetischen Eigenschaften zwischen Krebszellen und normalen Zellen entschlüsseln.
Diese Forschung wurde vom Team der MDC-Bioinformatikerin Altuna Akalin abgeschlossen und in der Nature-Unterzeitschrift „Genome Biology“ veröffentlicht.
🏜 Diese Studie ist ihre Institution, das MDC (Max-Delbrück-Zentrum) ist außerdem eines der 16 Forschungszentren der Helmholtz-Gemeinschaft, einer der vier großen Forschungseinrichtungen in Deutschland.
Warum ist diese Forschung so wichtig, da sie einen so großen Hintergrund hat?
Um ein „gemeinsames Merkmal“ aus dem riesigen Datensatz herauszufiltern, sind Menschen definitiv nicht so gut wie KI.
Um Krebszellen von normalen Zellen zu unterscheiden, müssen Sie die gemeinsamen Merkmale zwischen ihnen herausfiltern.
Ikarus, entwickelt vom MDC-Forschungsteam, entdeckte dieses Mal gemeinsame Muster in Tumorzellen (Pattern)
, die aus einer Reihe genomischer Merkmale bestehen und bei verschiedenen Krebsarten häufig vorkommen.Darüber hinaus hat der Algorithmus auch Gentypen erkannt, die noch nie mit Krebs in Verbindung gebracht wurden.
Also stellte das Forschungsteam eine einfache Frage:
Ist es möglich, einen Klassifikator zu erstellen, der Tumorzellen bei mehreren Krebsarten korrekt von normalen Zellen unterscheidet?
Und so wurde Ikarus geboren. Es umfasst zwei Schritte:
1. Entdecken Sie umfassende Tumorzelleigenschaften in Form von Gensätzen, indem Sie mehrere professionell kommentierte Einzelzelldatensätze integrieren.
2. Trainieren Sie einen robusten logistischen Regressionsklassifikator, um Tumor und Normal zu unterscheiden Zellen, gefolgt von der netzwerkbasierten Verbreitung von Zellmarkierungen mithilfe maßgeschneiderter Zell-Zell-Netzwerke.
Teamleiter Altuna Akalin sagte:
Um einen robusten, empfindlichen und reproduzierbaren In-Silico-Tumorzellsortierer zu entwickeln, arbeiten wir bereits an mehreren Einzelproben verschiedener Krebsarten, die mit verschiedenen Sequenzierungstechnologien gewonnen wurden Zelldatensätze, um ihre Eignung für verschiedene experimentelle Umgebungen zu bestimmen.
Erstaunliche Erfolgsquote
Jan Dohmen, der Erstautor des Papiers, sagte, dass die Beschaffung geeigneter Trainingsdaten eine große Herausforderung sei, wenn Experten bereits klar zwischen gesunden und krebsartigen Zellen unterscheiden.
Datensätze zur Einzelzellsequenzierung sind oft sehr komplex.
Dohmen und Dr. Vedran Franke, Co-Leiter der Studie, sagten:
Wir haben zahlreiche Publikationen gesichtet und einige Forschungsgruppen kontaktiert, um einen ausreichenden Datensatz zu erhalten. Das Team wählte schließlich Daten von Lungenkrebs- und Darmkrebszellen aus, um den Algorithmus zu trainieren, der dann auf Datensätze von anderen Tumorarten angewendet wurde.
Während der Trainingsphase muss Ikarus eine „Signatur-Genliste“ finden, die dann zur Klassifizierung von Zellen verwendet wird. „Wir haben verschiedene Methoden ausprobiert und verfeinert, und am Ende hat Ikarus zwei Listen verwendet: eine für Krebsgene, die andere für Gene aus anderen Zellen“, erklärt Frank. Einmal trainiert, kann der Algorithmus bei anderen Krebsarten zwischen gesunden und Tumorzellen unterscheiden, beispielsweise Gewebeproben von Patienten mit Leberkrebs oder Neuroblastom.
Die Ergebnisse in anderen Proben sind aufregend, mit einer überraschend hohen Erfolgsquote von bis zu 99 %.
„Wir hatten nicht erwartet, dass es ein gemeinsames Merkmal geben würde, das Tumorzellen in verschiedenen Typen so genau definieren könnte.“ von Krebs", sagte Akalin. „Aber wir können noch nicht sagen, ob dieser Ansatz bei allen Krebsarten funktioniert“, fügte Dohmen hinzu. Um Ikarus zu einem zuverlässigen Krebsdiagnoseinstrument zu machen, wollen die Forscher nun eine Differenzierung zwischen Tumoren testen.
In ersten Tests hat Ikarus gezeigt, dass die Methode auch andere Zelltypen (und einige Subtypen) von Tumorzellen unterscheiden kann, #🎜 🎜#Nicht auf Tumor beschränkt Zellerkennung.
Es kann verwendet werden, um jeden Zellzustand zu erkennen, z. B. den Zelltyp. Die einzige Voraussetzung ist, dass die Zelle Zustand existiert in mindestens zwei unabhängigen Experimenten. Wir hoffen, diesen Ansatz umfassender zu gestalten und weiterzuentwickeln, sodass alle möglichen Zelltypen in der Biopsie unterschieden werden können.
Durch die Anwendung der automatisierten Tumorklassifizierung auf räumliche Sequenzierungsdatensätze können histologische Proben direkt mit Anmerkungen versehen werden, wodurch die automatisierte digitale Pathologie erleichtert wird.
In Krankenhäusern untersuchen Pathologen häufig nur Gewebeproben von Tumoren unter dem Mikroskop, um verschiedene Zelltypen zu identifizieren. Dies ist eine zeitaufwändige und mühsame Aufgabe. Mit Ikarus könnte dieser Schritt eines Tages zu einem vollständig automatisierten Prozess werden. Darüber hinaus wies Akalin darauf hin, dass aus den Daten Rückschlüsse auf die unmittelbare Umgebung des Tumors gezogen werden könnten. Dies kann Ärzten bei der Auswahl der besten Behandlung helfen. Die Zusammensetzung des Krebsgewebes und der Mikroumgebung gibt oft Aufschluss darüber, ob eine bestimmte Behandlung oder ein bestimmtes Medikament wirksam ist.
Darüber hinaus kann künstliche Intelligenz auch bei der Entwicklung neuer Medikamente helfen. „Ikarus ermöglicht es uns, Gene zu identifizieren, die möglicherweise zu Krebs beitragen, und dann mit neuen Therapeutika auf diese molekularen Strukturen abzuzielen“, sagte Akalin.
Das obige ist der detaillierte Inhalt vonNature-Unterjournal: KI-Algorithmus entschlüsselt die genetischen Eigenschaften von Krebszellen mit einer Genauigkeit von 99 %!. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

AI Hentai Generator
Erstellen Sie kostenlos Ai Hentai.

Heißer Artikel

Heiße Werkzeuge

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6
Visuelle Webentwicklungstools

SublimeText3 Mac-Version
Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Heiße Themen



Die Größe einer Bootstrap -Liste hängt von der Größe des Containers ab, der die Liste enthält, nicht die Liste selbst. Die Verwendung von Bootstraps Grid -System oder Flexbox kann die Größe des Containers steuern und dadurch indirekt die Listenelemente ändern.

Verschachtelte Listen in Bootstrap erfordern die Verwendung des Grid -Systems von Bootstrap, um den Stil zu steuern. Verwenden Sie zunächst die äußere Schicht & lt; ul & gt; und & lt; li & gt; Um eine Liste zu erstellen, wickeln Sie die Liste der inneren Ebenen in & lt; div class = & quot; row & gt; und add & lt; div class = & quot; col-md-6 & quot; & gt; In der Liste der inneren Ebenen, um anzugeben, dass die Liste der inneren Ebenen die halbe Breite einer Reihe einnimmt. Auf diese Weise kann die innere Liste die richtige haben

So fügen Sie Symbole zur Bootstrap -Liste hinzu: Direkt das Symbol in das Listenelement & lt; li & gt;, Verwenden des von der Symbibliothek angegebenen Klassennamens (z. B. fantastisch). Verwenden Sie die Bootstrap-Klasse, um Symbole und Text auszurichten (z. B. D-Flex, Justify-Content-dazwischen, Align-items-Center). Verwenden Sie die Bootstrap -Tag -Komponente (Abzeichen), um Zahlen oder Status anzuzeigen. Passen Sie die Symbolposition an (Flex-Richtung: Reihen-Umkehr;), steuern Sie den Stil (CSS-Stil). Häufiger Fehler: Das Symbol wird nicht angezeigt (nicht

Bei der Konvertierung von Zeichenfolgen in Objekte in Vue.js wird JSON.Parse () für Standard -JSON -Zeichenfolgen bevorzugt. Bei nicht standardmäßigen JSON-Zeichenfolgen kann die Zeichenfolge durch Verwendung regelmäßiger Ausdrücke verarbeitet und Methoden gemäß dem Format oder dekodierten URL-kodiert reduziert werden. Wählen Sie die entsprechende Methode gemäß dem String -Format aus und achten Sie auf Sicherheits- und Codierungsprobleme, um Fehler zu vermeiden.

Frage: Wie registriert man eine Vue -Komponente, die durch Exportverlagerung exportiert wird? Antwort: Es gibt drei Registrierungsmethoden: Globale Registrierung: Verwenden Sie die Methode vue.comPonent (), um sich als globale Komponente zu registrieren. Lokale Registrierung: Registrieren Sie sich in der Komponentenoption, die nur in der aktuellen Komponente und in den Unterkomponenten verfügbar ist. Dynamische Registrierung: Verwenden Sie die Methode vue.comPonent (), um sich nach dem Laden der Komponente zu registrieren.

Die MySQL -Leistungsoptimierung muss von drei Aspekten beginnen: Installationskonfiguration, Indexierung und Abfrageoptimierung, Überwachung und Abstimmung. 1. Nach der Installation müssen Sie die my.cnf -Datei entsprechend der Serverkonfiguration anpassen, z. 2. Erstellen Sie einen geeigneten Index, um übermäßige Indizes zu vermeiden und Abfrageanweisungen zu optimieren, z. B. den Befehl Erklärung zur Analyse des Ausführungsplans; 3. Verwenden Sie das eigene Überwachungstool von MySQL (ShowProcessList, Showstatus), um die Datenbankgesundheit zu überwachen und die Datenbank regelmäßig zu sichern und zu organisieren. Nur durch kontinuierliche Optimierung dieser Schritte kann die Leistung der MySQL -Datenbank verbessert werden.

Verarbeiten Sie 7 Millionen Aufzeichnungen effizient und erstellen Sie interaktive Karten mit Geospatial -Technologie. In diesem Artikel wird untersucht, wie über 7 Millionen Datensätze mithilfe von Laravel und MySQL effizient verarbeitet und in interaktive Kartenvisualisierungen umgewandelt werden können. Erstes Herausforderungsprojektanforderungen: Mit 7 Millionen Datensätzen in der MySQL -Datenbank wertvolle Erkenntnisse extrahieren. Viele Menschen erwägen zunächst Programmiersprachen, aber ignorieren die Datenbank selbst: Kann sie den Anforderungen erfüllen? Ist Datenmigration oder strukturelle Anpassung erforderlich? Kann MySQL einer so großen Datenbelastung standhalten? Voranalyse: Schlüsselfilter und Eigenschaften müssen identifiziert werden. Nach der Analyse wurde festgestellt, dass nur wenige Attribute mit der Lösung zusammenhängen. Wir haben die Machbarkeit des Filters überprüft und einige Einschränkungen festgelegt, um die Suche zu optimieren. Kartensuche basierend auf der Stadt

Es gibt viele Gründe, warum MySQL Startup fehlschlägt und durch Überprüfung des Fehlerprotokolls diagnostiziert werden kann. Zu den allgemeinen Ursachen gehören Portkonflikte (prüfen Portbelegung und Änderung der Konfiguration), Berechtigungsprobleme (Überprüfen Sie den Dienst Ausführen von Benutzerberechtigungen), Konfigurationsdateifehler (Überprüfung der Parametereinstellungen), Datenverzeichniskorruption (Wiederherstellung von Daten oder Wiederaufbautabellenraum), InnoDB-Tabellenraumprobleme (prüfen IBDATA1-Dateien), Plug-in-Ladeversagen (Überprüfen Sie Fehlerprotokolle). Wenn Sie Probleme lösen, sollten Sie sie anhand des Fehlerprotokolls analysieren, die Hauptursache des Problems finden und die Gewohnheit entwickeln, Daten regelmäßig zu unterstützen, um Probleme zu verhindern und zu lösen.
