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 整理了一些相關方面的信息 在這里分享給大家。

IBM的研究人員和數據科學家開發(fā)了三種新穎的算法，旨在揭示導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。

生命科學研究員Matteo Manica和數據科學家Joris Cadow撰寫的博客文章中對這些產品進行了總結，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網絡來預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據來幫助預測患病組織中的細胞將如何響應特定藥物。

Manica和Cado報告說，該技術在預測超過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，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的網絡交互表達工具，被稱為INTEERAcT，可從已發(fā)表的科學研究中自動獲取有關蛋白質相互作用的信息。

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(途徑誘導的多核學習)，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習方法來推進對諸如癌癥等復雜疾病的生物醫(yī)學研究。” “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，同時還指導尋找潛在疾病機制。”

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