近年来，由于人工智能(AI)等技术的进步和融合，研究发生了巨大变化。虽然人工智能是一种计算机科学工具，但它已越来越多地用于许多科学学科的各种应用，从诊断到基因组学。这个列表将让您对其中的一些应用程序有一个大致的了解。
人工智能在肠道细菌中发现新的基因家族
发表在PNAS，德克萨斯大学西南分校的研究人员报告说，他们使用了一个名为AlphaFold的人工智能程序，帮助发现了肠道细菌中一个新的传感基因家族。
在之前的研究中金·奥斯博士分子生物学和生物化学教授Lisa Kinch博士和分子生物学系生物信息学专家Lisa Kinch博士对两种蛋白质VtrA和VtrC复合物的结构进行了表征。这些蛋白质在一种细菌中共同作用，这种细菌经常导致被污染的贝类食物中毒，弧菌parahaemolyticus．为了确定是否存在VtrC的同源物，沃斯和团队使用了人工智能程序AlphaFold，该程序可以根据编码蛋白质的基因序列准确预测某些蛋白质的结构，并在其他几种导致人类疾病的肠道细菌物种中发现了VtrC的同源物。
“我们发现了这些蛋白质的相似之处，与通常的做法相反。Lisa没有使用序列，而是在它们的结构中寻找匹配，”Kim Orth博士说。
野火烟雾正在逆转空气质量的改善，并造成极端污染水平
斯坦福大学的研究人员使用统计建模和人工智能技术来确定野火烟雾中细颗粒物的暴露水平。
这项研究发表在环境科学与技术该研究专注于一种名为PM2.5的颗粒污染，并利用训练有素的机器学习模型，在没有监测仪的地区准确预测野火烟雾中的PM2.5浓度。研究人员，由Marissa Childs博士他现在是哈佛大学环境中心的博士后学者，他发现，每年至少有一天空气中pm2.5浓度超过200微克/立方米的人数增加了1.1万倍。
“烟雾污染的测量尤其具有挑战性，因为很难知道哪一部分颗粒物来自烟雾，而且我们只在美国有限的几个地方有污染监测仪，”Marissa Childs博士说。
首个基于人工智能的古基因组测年方法诞生
根据一项发表在单元格报表方法例如，人工智能可以支持对DNA严重退化的古人类遗骸进行DNA分析。
放射性碳定年法“彻底改变”了考古科学领域，是考古学定年的传统“黄金标准”方法，但可能是不稳定的，并受到被检测材料质量的影响。隆德大学的研究人员开发了一种新的古代基因组数据测年方法，称为时间种群结构(TPS)，该方法使用监督机器学习。TPS是根据数千个古代和现代基因组的时间成分(表征个体生活的历史时期的独特等位基因组合)进行训练的，并“学习”如何预测他们的年龄。
“由于它们与时间的关联，时间成分可以被利用来将基因组数据转换为时间，并仅从基因型数据预测样本的年龄，”-伊兰·伊莱克博士隆德大学分子细胞生物学副教授，等。
人工智能交通灯系统旨在结束交通拥堵
的一篇论文中自主代理与多代理系统国际联合会议论文集，阿斯顿大学的研究人员描述了一种人工智能系统，该系统可以读取实时摄像机镜头，并改变交通灯来补偿，从而减少拥堵。
该系统使用深度强化学习，其中程序了解何时表现不佳并尝试不同的方法，或者当表现良好时继续改进。该程序可以设置为查看任何交通路口——真实的或模拟的——并将开始自主学习。
“我们之所以把这个程序建立在习得行为的基础上，是因为它可以理解以前没有明确经历过的情况。我们已经在一个造成交通拥堵的物理障碍物上测试了这个系统，而不是交通灯相位，系统仍然表现良好。只要存在因果关系，计算机最终就会找出这个联系是什么。这是一个非常强大的系统。”- - - - - -George Vogiatzis博士他是阿斯顿大学计算机科学高级讲师。
基于人工智能的筛选方法可促进新药的发现
根据一项发表在生物信息学简介，
药物开发的过程可以通过一种名为“注意力站点”的人工智能系统来加快。
由Mehdi领导的中佛罗里达大学的研究人员
Yazdani-Jahromi是UCF工程与计算机学院的博士生
科学，使用了一种方法来模拟药物和目标蛋白的相互作用
自然语言处理技术，在识别有前途的候选药物方面达到了高达97%的准确率。这项研究可以帮助药物设计者识别
关键的蛋白质结合位点以及它们的功能特性，也就是
决定药物是否有效的关键。注意，我是第一个
使用蛋白质结合位点的语言来解释模型。
这种方法还使研究人员能够确定病毒蛋白质的最佳结合位点，以便在药物设计中重点关注。——Mehdi Yazdani-Jahromi
