- 在线时间
- 1630 小时
- 最后登录
- 2024-1-29
- 注册时间
- 2017-5-16
- 听众数
- 82
- 收听数
- 1
- 能力
- 120 分
- 体力
- 564702 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 174633
- 相册
- 1
- 日志
- 0
- 记录
- 0
- 帖子
- 5313
- 主题
- 5273
- 精华
- 3
- 分享
- 0
- 好友
- 163
TA的每日心情 | 开心
2021-8-11 17:59 |
|---|
签到天数: 17 天 [LV.4]偶尔看看III 网络挑战赛参赛者 网络挑战赛参赛者 - 自我介绍
- 本人女，毕业于内蒙古科技大学，担任文职专业，毕业专业英语。
 群组: 2018美赛大象算法课程 群组: 2018美赛护航培训课程 群组: 2019年 数学中国站长建 群组: 2019年数据分析师课程 群组: 2018年大象老师国赛优 |
|
人工智能算法在药物细胞敏感性预测中的应用 % s) Q+ z/ z1 t7 {1 _
( y5 o+ ]8 A( E' r4 C/ f3 l4 a
5 \' x' Z; _" E: V
开发基于癌症患者基因组信息预测有效治疗策略的计算模型是精准医学中的关键挑战. 近年来, 国际多个/ s+ J) |% e- ~ O' U
组织机构公开了针对数百种细胞系的多层次的基因组表征数据. 将这类组学数据与体外肿瘤细胞系的药物细胞敏
' h i0 s G* q感性相结合, 研究人员可以剖析癌症治疗药物的分子机制, 并将其转化为精准医学所需的个性化诊疗策略. 基于大1 Y* }4 ]% v B5 c1 o: `8 L+ o& T
数据的人工智能算法在基因组学与药物响应之间建立了新的桥梁, 推进了肿瘤细胞中药物敏感性的预测算法的发* C* i1 Y6 e" H& S% u) P& l; s
展. 本文首先对公开的基因组表征数据集进行了总结, 随后介绍了基因组表征数据和包括机器学习算法、网络算' g% [5 o# b2 j4 Z3 ^9 @' ?
法和多模态神经网络算法在内的人工智能算法在癌细胞的药物敏感性预测中的应用案例. 基于网络的预测方法和& ^0 h4 }& ^4 p6 ?$ V; @; N4 e
多模态深度学习方法有利于实现多组学数据的系统性的整合和应用, 能克服传统的机器学习方法在药物响应预测* U- f" Y7 P9 ]; i/ E7 J# W" M! g
中的局限性, 是今后药物敏感性研究的发展方向.
! R7 I( Z! t% a4 m# R, w3 n9 R+ u* F
% b1 q( v+ `3 t) [7 k/ R1 m |
zan
|
IP卡
狗仔卡
发表于 2020-11-4 15:20
转播
淘帖
分享
收藏
支持
反对
微信
提升卡
置顶卡
沉默卡
喧嚣卡
变色卡
抢沙发
显身卡
