精品国产人成在线_亚洲高清无码在线观看_国产在线视频国产永久2021_国产AV综合第一页一个的一区免费影院黑人_最近中文字幕MV高清在线视频

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫(xiě)文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

利用深度學(xué)習(xí)對(duì)人體活細(xì)胞進(jìn)行結(jié)構(gòu)預(yù)測(cè)

nlfO_thejiangme ? 來(lái)源:未知 ? 作者:胡薇 ? 2018-07-20 10:00 ? 次閱讀

你有沒(méi)有想象過(guò)有一天可以看到一個(gè)自己的細(xì)胞在分裂,在成長(zhǎng),在釋放出生命的力量呢?近日,Allen細(xì)胞科學(xué)研究所的科學(xué)家們利用深度學(xué)習(xí)技術(shù)成功開(kāi)發(fā)了世界上第一個(gè)可以對(duì)人體活細(xì)胞進(jìn)行結(jié)構(gòu)預(yù)測(cè)的模型,基于這個(gè)模型科學(xué)家可以再屏幕上看到細(xì)胞生生不息的模樣,甚至可以直接通過(guò)屏幕來(lái)操作細(xì)胞。

這個(gè)被稱為Allen Integrate Cell 的模型,是通過(guò)深度學(xué)習(xí)處理了成千上萬(wàn)的高分辨率細(xì)胞圖像而得到的,它可以識(shí)別出亞細(xì)胞結(jié)構(gòu)并投影成三維的,多層次的細(xì)胞表示,并同時(shí)顯示出細(xì)胞中各個(gè)部分的相互作用。而其中的一些現(xiàn)象在以前從未被觀測(cè)到。

Allen Integrate Cell提供了一種對(duì)于活細(xì)胞真實(shí)的數(shù)據(jù)驅(qū)動(dòng)的3D可視化工具,不僅可以顯示出細(xì)胞內(nèi)部多種多樣的分子機(jī)制和細(xì)胞結(jié)構(gòu),同時(shí)為細(xì)胞的活動(dòng)提供了一個(gè)標(biāo)準(zhǔn)的建模框架,為疾病、藥物響應(yīng)和細(xì)胞環(huán)境的研究打下了堅(jiān)實(shí)的基礎(chǔ)。

有兩個(gè)主要的技術(shù)在這套系統(tǒng)中起到了關(guān)鍵的作用,一個(gè)是顯示特定細(xì)胞內(nèi)各部分組織關(guān)系的確定性模型,另一個(gè)則是描述細(xì)胞器形狀和位置的概率模型,甚至對(duì)于未知的細(xì)胞也可以進(jìn)行類似的建模。

其中概率模型為建模提供了細(xì)胞器在細(xì)胞中最有可能的形狀和位置,基于多個(gè)細(xì)胞的觀察而得到最好的結(jié)果。雖然對(duì)于特定的單個(gè)細(xì)胞可能匹配上有一些誤差,但卻適用這一整類的細(xì)胞在統(tǒng)計(jì)上的行為和描述。

研究人員激動(dòng)的表示,這是科學(xué)離魔法最近的一次,細(xì)胞內(nèi)部的活動(dòng)就像3D電影一樣美妙。

在此之前,人們需要借助復(fù)雜的熒光顯微技術(shù)才能看到活細(xì)胞內(nèi)的結(jié)構(gòu),而這種方法十分昂貴,除了速度慢熒光物質(zhì)還會(huì)對(duì)細(xì)胞造成損害。

如今,無(wú)需幾萬(wàn)美元的設(shè)備研究人員們利用神經(jīng)網(wǎng)絡(luò)重新構(gòu)建出了細(xì)胞的3D投射光線與熒光細(xì)胞圖像之前的關(guān)系,從而重建出了主要的細(xì)胞結(jié)構(gòu)。他們教會(huì)模型從投射圖像中重建出細(xì)胞中不同細(xì)胞器或蛋白質(zhì)的三維結(jié)構(gòu)。在一個(gè)實(shí)實(shí)在在的活細(xì)胞中,可以看到細(xì)胞的活動(dòng)代謝和演變,甚至可以看到有絲分裂的過(guò)程,你可以觀察到前所未見(jiàn)的細(xì)胞核重構(gòu)和細(xì)胞膜的發(fā)育。這些都是我們?cè)?jīng)無(wú)法看到的,更不用說(shuō)在3D層面上了。

這樣的能力將為生物學(xué)研究帶來(lái)翻天覆地的變革,無(wú)論是癌癥研究還是藥物開(kāi)發(fā)都將受益于新的觀測(cè)方式,我們看到的細(xì)胞將不是扁平的二維截面,也不再是課本上一成變的圖樣,而是一個(gè)生命充滿活力的生生不息!

聲明:本文內(nèi)容及配圖由入駐作者撰寫(xiě)或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問(wèn)題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴

原文標(biāo)題:深度學(xué)習(xí)技術(shù)又立功啦!幫助開(kāi)發(fā)出世界上第一個(gè)可對(duì)人體活細(xì)胞進(jìn)行結(jié)構(gòu)預(yù)測(cè)的模型

文章出處:【微信號(hào):thejiangmen,微信公眾號(hào):將門創(chuàng)投】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。

收藏 人收藏

    評(píng)論

    相關(guān)推薦

    深度學(xué)習(xí)與數(shù)據(jù)挖掘的關(guān)系

    ;而深度學(xué)習(xí)使用獨(dú)立的層、連接,還有數(shù)據(jù)傳播方向,比如最近大火的卷積神經(jīng)網(wǎng)絡(luò)是第一個(gè)真正多層結(jié)構(gòu)學(xué)習(xí)算法,它利用空間相對(duì)關(guān)系減少參數(shù)數(shù)目以提高訓(xùn)練性能,讓機(jī)器認(rèn)知過(guò)程逐層
    發(fā)表于 07-04 16:07

    人工智能可助辨識(shí)細(xì)胞結(jié)構(gòu)

    美國(guó)艾倫細(xì)胞科學(xué)研究所的科學(xué)家使用機(jī)器學(xué)習(xí)技術(shù)訓(xùn)練計(jì)算機(jī),使其可在不使用熒光標(biāo)記的情況下較為準(zhǔn)確地辨認(rèn)出細(xì)胞結(jié)構(gòu)。傳統(tǒng)的熒光顯微法使用發(fā)光分子標(biāo)記來(lái)確定
    發(fā)表于 10-15 05:21

    利用ECS進(jìn)行深度學(xué)習(xí)詳細(xì)攻略

    ECS:利用ECS進(jìn)行深度學(xué)習(xí)詳細(xì)攻略
    發(fā)表于 12-24 11:47

    細(xì)胞的同時(shí)AFM熒光成像應(yīng)用簡(jiǎn)報(bào)

    細(xì)胞的同時(shí)AFM /熒光成像 - 應(yīng)用簡(jiǎn)報(bào)
    發(fā)表于 10-23 10:39

    深度學(xué)習(xí)預(yù)測(cè)和健康管理中的應(yīng)用

    深度學(xué)習(xí)預(yù)測(cè)和健康管理中的應(yīng)用綜述摘要深度學(xué)習(xí)對(duì)預(yù)測(cè)和健康管理(PHM)引起了濃厚的興趣,因?yàn)?/div>
    發(fā)表于 07-12 06:46

    什么是深度學(xué)習(xí)?使用FPGA進(jìn)行深度學(xué)習(xí)的好處?

    準(zhǔn)確的模型。有了上述機(jī)制,現(xiàn)在可以通過(guò)讓神經(jīng)網(wǎng)絡(luò)模型學(xué)習(xí)各種問(wèn)題來(lái)自動(dòng)解決問(wèn)題,創(chuàng)建高精度模型,并對(duì)新數(shù)據(jù)進(jìn)行推理。然而,由于單個(gè)神經(jīng)網(wǎng)絡(luò)只能解決簡(jiǎn)單的問(wèn)題,人們嘗試通過(guò)構(gòu)建深度神經(jīng)網(wǎng)絡(luò) (DNN
    發(fā)表于 02-17 16:56

    基于集成多標(biāo)記學(xué)習(xí)的蛋白質(zhì)多亞細(xì)胞定位預(yù)測(cè)方法

    針對(duì)多標(biāo)記學(xué)習(xí)和集成學(xué)習(xí)在解決蛋白質(zhì)多亞細(xì)胞定位預(yù)測(cè)問(wèn)題上應(yīng)用還不成熟的狀況,研究基于集成多標(biāo)記學(xué)習(xí)的蛋白質(zhì)多亞
    發(fā)表于 12-13 15:49 ?0次下載
    基于集成多標(biāo)記<b class='flag-5'>學(xué)習(xí)</b>的蛋白質(zhì)多亞<b class='flag-5'>細(xì)胞</b>定位<b class='flag-5'>預(yù)測(cè)</b>方法

    谷歌FHIR標(biāo)準(zhǔn)協(xié)議利用深度學(xué)習(xí)預(yù)測(cè)醫(yī)療事件發(fā)生

    使用電子健康記錄(EHR)數(shù)據(jù)的預(yù)測(cè)建模預(yù)計(jì)將推動(dòng)個(gè)人化醫(yī)療并提高醫(yī)療質(zhì)量。谷歌發(fā)布消息稱已經(jīng)開(kāi)源該協(xié)議緩沖區(qū)工具。谷歌FHIR標(biāo)準(zhǔn)協(xié)議利用深度學(xué)習(xí)
    發(fā)表于 03-07 17:14 ?8011次閱讀
    谷歌FHIR標(biāo)準(zhǔn)協(xié)議<b class='flag-5'>利用</b><b class='flag-5'>深度</b><b class='flag-5'>學(xué)習(xí)</b><b class='flag-5'>預(yù)測(cè)</b>醫(yī)療事件發(fā)生

    深度學(xué)習(xí)分析電子病歷 進(jìn)行臨床預(yù)測(cè)

    基于脫敏的電子病歷數(shù)據(jù),我們用深度學(xué)習(xí)模型對(duì)住院患者進(jìn)行了廣泛預(yù)測(cè)。值得一提的是,該模型可以直接使用原始數(shù)據(jù),無(wú)需人工對(duì)相關(guān)變量進(jìn)行提取、清
    的頭像 發(fā)表于 05-15 14:41 ?5922次閱讀
    用<b class='flag-5'>深度</b><b class='flag-5'>學(xué)習(xí)</b>分析電子病歷 <b class='flag-5'>進(jìn)行</b>臨床<b class='flag-5'>預(yù)測(cè)</b>

    基于深度學(xué)習(xí)的二維人體姿態(tài)估計(jì)方法

    基于深度學(xué)習(xí)的二維人體姿態(tài)估計(jì)方法通過(guò)構(gòu)建特定的神經(jīng)網(wǎng)絡(luò)架構(gòu),將提取的特征信息根據(jù)相應(yīng)的特征融合方法進(jìn)行信息關(guān)聯(lián)處理,最終獲得人體姿態(tài)估計(jì)結(jié)
    發(fā)表于 03-22 15:51 ?5次下載
    基于<b class='flag-5'>深度</b><b class='flag-5'>學(xué)習(xí)</b>的二維<b class='flag-5'>人體</b>姿態(tài)估計(jì)方法

    基于深度學(xué)習(xí)的二維人體姿態(tài)估計(jì)算法

    近年來(lái)人體姿態(tài)估計(jì)作為計(jì)算機(jī)視覺(jué)領(lǐng)域的熱點(diǎn),在視頻監(jiān)控、人機(jī)交互、智慧校園等領(lǐng)域具有廣泛的應(yīng)用前景。隨著神經(jīng)網(wǎng)絡(luò)的快速發(fā)展,采用深度學(xué)習(xí)方法進(jìn)行二維
    發(fā)表于 04-27 16:16 ?7次下載
    基于<b class='flag-5'>深度</b><b class='flag-5'>學(xué)習(xí)</b>的二維<b class='flag-5'>人體</b>姿態(tài)估計(jì)算法

    基于云的深度學(xué)習(xí)和聲學(xué)成圖進(jìn)行器官細(xì)胞培養(yǎng)研究

    應(yīng)用到微流體設(shè)備,研究人員可以驅(qū)動(dòng)微米級(jí)的細(xì)胞,使其構(gòu)成簡(jiǎn)單的圖案,例如線條和網(wǎng)格。 我和同事開(kāi)發(fā)了一種將深度學(xué)習(xí)和數(shù)值模擬相結(jié)合的方法,用于將細(xì)胞排列成我們自己設(shè)計(jì)的更為復(fù)雜的圖案。
    的頭像 發(fā)表于 05-18 14:14 ?1715次閱讀
    基于云的<b class='flag-5'>深度</b><b class='flag-5'>學(xué)習(xí)</b>和聲學(xué)成圖<b class='flag-5'>進(jìn)行</b>器官<b class='flag-5'>細(xì)胞</b>培養(yǎng)研究

    基于深度學(xué)習(xí)的信息級(jí)聯(lián)預(yù)測(cè)方法研究綜述

    Prediction領(lǐng)堿。文中主要對(duì)基于深度學(xué)習(xí)的信息級(jí)聯(lián)預(yù)測(cè)方法的研究現(xiàn)狀與經(jīng)典算法進(jìn)行分類、梳理與總結(jié)。根據(jù)信息級(jí)聯(lián)特征刻畫(huà)的側(cè)重點(diǎn)不冋,將基于
    發(fā)表于 05-18 15:28 ?9次下載

    深度學(xué)習(xí)中的時(shí)間序列分類方法

    時(shí)間序列分類(Time Series Classification, TSC)是機(jī)器學(xué)習(xí)深度學(xué)習(xí)領(lǐng)域的重要任務(wù)之一,廣泛應(yīng)用于人體活動(dòng)識(shí)別、系統(tǒng)監(jiān)測(cè)、金融
    的頭像 發(fā)表于 07-09 15:54 ?733次閱讀

    細(xì)胞的“聚光燈”——前沿細(xì)胞成像的案例分享

    進(jìn)行推測(cè),但已經(jīng)失“”的細(xì)胞已經(jīng)無(wú)法反應(yīng)新陳代謝、信號(hào)傳導(dǎo)等生命活動(dòng),無(wú)法反應(yīng)細(xì)胞的真實(shí)情況。因此
    的頭像 發(fā)表于 10-24 08:04 ?228次閱讀
    <b class='flag-5'>活</b><b class='flag-5'>細(xì)胞</b>的“聚光燈”——前沿<b class='flag-5'>活</b><b class='flag-5'>細(xì)胞</b>成像的案例分享