近年来，人工智能(AI)等技术的进步和整合极大地改变了研究。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从诊断到基因组学等许多科学学科的各种应用。下面的列表将让您了解其中一些应用程序。
人工智能在肠道细菌中检测到新的基因家族
一项研究发表在PNAS，德克萨斯大学西南分校的研究人员报告了一种名为AlphaFold的人工智能程序的使用，以协助在肠道细菌中发现一个新的传感基因家族。
在之前的研究中Kim Orth博士分子生物学和生物化学教授Lisa Kinch博士是分子生物学系的生物信息学专家，他们对两种蛋白质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，通常是受污染的贝类食物中毒的原因，弧菌parahaemolyticus．为了找出VtrC的同源物是否存在，Orth和团队使用了AlphaFold，这是一种人工智能程序，可以根据编码蛋白质的基因序列准确预测一些蛋白质的结构，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。”
野火烟雾逆转了空气质量的增长，造成了极端的污染水平
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这项研究的重点是一种名为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博士哈佛大学环境中心(Harvard’s Center for the Environment)的博士后学者马伦(音译)发现，每年至少有一天的空气中每立方米污染物含量超过200微克的人数增加了1.1万倍。
“烟雾污染的测量特别具有挑战性，因为很难知道颗粒物的哪一部分来自烟雾，而且我们在美国只有有限的几个地方有污染监测器，”Marissa Childs博士说。
第一个基于人工智能的古基因组定年方法被创造出来
根据发表在Cell报告方法，人工智能可以支持DNA明显退化的古人类遗骸的DNA分析。
放射性碳测年法“彻底改变”了考古科学领域，是考古学中传统的“金标准”测年方法，但可能是不稳定的，并受到正在检查的材料质量的影响。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)，使用监督机器学习。TPS在数千个古代和现代基因组的时间成分(表征个体生活历史时期的独特等位基因组合)上进行训练，并“学习”如何预测它们的年龄。
“由于它们与时间有关，可以利用时间成分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，”-Eran Elhaik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拥堵
在一篇论文中自主代理和多代理系统国际联合会议论文集，来自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头镜头，并改变红绿灯来补偿，从而减少拥堵。
该系统使用深度强化学习，即程序知道自己何时表现不佳并尝试不同的方法，或在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-真实或模拟-并将开始自主学习。
“我们将这个程序基于习得行为的原因是，它可以理解以前没有明确经历过的情况。我们已经用造成拥堵的物理障碍进行了测试，而不是红绿灯相位，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种联系是什么。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能提高新药的发现
根据发表在生物信息学简介会，
使用一种名为AttentionSiteDTI的人工智能系统可以加快药物开发的过程。
迈赫迪领导的中佛罗里达大学的研究人员
UCF工程与计算机学院的博士生Yazdani-Jahromi说
科学，使用了一种方法来模拟药物和靶蛋白的相互作用
自然语言处理技术，在识别有前景的候选药物方面达到了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及其功能特性，也就是
这是决定药物是否有效的关键。AttentionSiteDTI是第一个
模型可以用蛋白质结合位点的语言来解释。
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，从而在药物设计中重点研究。——Mehdi Yazdani-Jahromi。
