未来实验室-多媒体

预测未来并不简单，但推动研究向前发展的努力就在此时此地，我们可以期待今天处于婴儿期的技术，它们有望成为明天研究实践的重要组成部分。这张信息图将调查其中一些技术以及它们可能对研究产生的影响。

计算机能识别皮肤癌吗?安德烈·埃斯特瓦和他的同事们训练了一个神经网络来识别无害的痣和潜在的致命皮肤疾病之间的区别，而且准确率非常高。

与抗生素耐药性作斗争将采取不同方法的协调行动，例如改进公共教育和国家行动计划，加强监测，改进诊断，以及利用基因组学和大数据方面的进展的能力。

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。

下载这本电子书，了解更多关于科学中自动化的需求和使用。

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。

下载本指南，以帮助有效组织您的ELN数据、数字记录保存、云存储建议和评估您的ELN选项。

有这么多LIMS可供选择，您如何确保为您的实验室选择了正确的LIMS ?在这段短视频中，学习如何在选择新的LIMS时做出最佳、最明智的决定。

LIMS解决方案的实际成本差异很大。在CSols公司的这段视频中，探讨了实施LIMS的不同成本来源，包括许可、硬件和数据迁移。

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。