IBM為癌癥研究人員提供3種開源AI工具

小編發(fā)現(xiàn)不少朋友對于 IBM為癌癥研究人員提供3種開源AI工具 這方面的信息都比較感興趣，小編就針對 IBM為癌癥研究人員提供3種開源AI工具 整理了一些相關(guān)方面的信息 在這里分享給大家。

IBM的研究人員和數(shù)據(jù)科學(xué)家開發(fā)了三種新穎的算法，旨在揭示導(dǎo)致腫瘤形成和生長的潛在生物過程。

而且，這家計算巨獸正在向臨床研究人員和AI開發(fā)人員免費提供所有這三種工具。

生命科學(xué)研究員Matteo Manica和數(shù)據(jù)科學(xué)家Joris Cadow撰寫的博客文章中對這些產(chǎn)品進行了總結(jié)，他們都在瑞士的IBM研究實驗室工作。

一種名為PaccMann的工具-使用基于多模式注意力的神經(jīng)網(wǎng)絡(luò)來預(yù)測抗癌化合物敏感性的首字母縮寫詞-使用來自不同來源的數(shù)據(jù)來幫助預(yù)測患病組織中的細胞將如何響應(yīng)特定藥物。

Manica和Cado報告說，該技術(shù)在預(yù)測超過200,000對藥物細胞系中癌細胞系的敏感性方面優(yōu)于現(xiàn)有算法。

此外，PaccMann還提供了“可解釋性”以及其預(yù)測，顯示了在進行計算時其所駐留的基因和分子部分。

作者寫道：“研究人員可以將這些信息用作指導(dǎo)，以潛在地幫助他們改善或重新利用現(xiàn)有藥物，以及開發(fā)新藥物。”

另一個被稱為vectoR的網(wǎng)絡(luò)交互表達工具，被稱為INTEERAcT，可從已發(fā)表的科學(xué)研究中自動獲取有關(guān)蛋白質(zhì)相互作用的信息。

該工具的一個值得注意的優(yōu)勢是它可以在特定疾病狀態(tài)下梳理蛋白質(zhì)相互作用。Manica和Cado解釋說，這可以與健康組織中的正常相互作用進行比較，這可以幫助研究人員更好地了解疾病的機制。

第三種算法是PIMKL(途徑誘導(dǎo)的多核學(xué)習)，它利用細胞過程中的現(xiàn)有知識來識別對患者組的分類很重要的分子途徑。

作者寫道：“由于模型的可解釋性，對所提供的患者組之間差異的見解可能會導(dǎo)致對癌癥進展的更好理解。”

Manica和Cado寫道，這三種算法共同“證明了如何利用機器學(xué)習方法來推進對諸如癌癥等復(fù)雜疾病的生物醫(yī)學(xué)研究。” “我們的工作還表明，可以將解釋能力納入算法中，從而增強信任度，同時還指導(dǎo)尋找潛在疾病機制。”

作者強調(diào)說，他們將工具公開提供的動機是“最大程度地提高其對科學(xué)界的積極影響”。