人工智能与机器学习-多媒体

机器学习和人工智能正在改变生物研究的性质，尤其是基因组学。人工智能应用正在打开我们对自身和疾病的理解，我们必须努力创造出可以作为研究伙伴工作的工具，而不仅仅是黑盒。芭芭拉·恩格尔哈特自2014年起担任普林斯顿大学计算机科学系助理教授。她毕业于斯坦福大学，并在迈克尔·乔丹教授的指导下在加州大学伯克利分校获得博士学位。她在芝加哥大学(University of Chicago)做博士后研究，与马修·斯蒂芬斯(Matthew Stephens)教授合作，并在杜克大学(Duke University)担任助理教授三年。除了学术经历，她还在喷气推进实验室(Jet Propulsion Laboratory)工作了两年，在谷歌Research工作了一个夏天，在DNA祖先服务公司23andMe工作了一年。恩格尔哈特教授曾获得美国国家科学基金会研究生研究奖学金、谷歌安妮塔·博格纪念奖学金、分子生物学与进化学会沃尔特·m·费奇奖、NIH NHGRI K99/R00通向独立的途径奖和斯隆学院奖学金。恩格尔哈特教授目前是基因型-组织表达(GTEx)联盟的PI。她的研究兴趣包括用于高维数据分析的统计模型和方法，目标是了解复杂表型和人类疾病的潜在生物学机制。这次演讲是在TEDx活动上进行的，采用TED会议的形式，但由当地社区独立组织。

了解微软基因组学如何使组织能够探索新的研究途径。西雅图儿童医院与微软基因组公司的SIDS(婴儿猝死综合征)研究使用微软人工智能来大规模分析数据。借助微软人工智能，西雅图儿童医院能够识别遗传对儿科疾病的影响，并更接近于实现早期识别SIDS并预防其发生的目标。

现代机器学习在帮助科学家整理庞大的数据集方面很有帮助。但对于需要推理或推理的事情，它就不那么有用了——这两者对科学过程至关重要。一组科学家现在正试图用一种新的机器学习来解决这个问题。这种新方法旨在找到交互和生成数据的底层算法模型，以帮助科学家揭示因果关系的动态。

以汗液传感器、外感信号和3D医学成像的进步为特色，这里是我们在2018年报道的最受欢迎的诊断新闻报道的总结。

在这个列表中，我们将注意力转向药物化学领域最重要的趋势，并探索它们如何帮助塑造当今的制药行业。

阿斯利康的Ola Engkvist博士解释了药物发现过程如何受益于人工智能和机器学习。

下载这本小册子，了解HCA如何加强您的研究。

在来自17个国家的60份申请中，有8名决赛选手参加了“创业大满贯”——生物制药界的龙穴。2018年11月在哥本哈根举行的BIO-Europe会议上，生物技术公司的代表向主要投资者、制药交易撮合者和生物技术业务关键意见领袖组成的评审团介绍了情况。

本指南概述了hPSCs向皮层神经元或下丘脑神经元分化的方案，为首次进行这些方案的研究人员提供了关键的指针。

快速变化的研究重点、突破性创新和研发投资揭示了推动智能实验室向前发展的新趋势。在这篇文章中，我们将探讨其中5个重要趋势。