谷歌:机器学习改进基因组发现
机器学习用于乳腺癌辅助治疗
纳米技术和AI可能是解决全球粮食安全挑战的关键
量子化学模拟预测和设计用于化学反应的单原子催化剂
数学如何完成终极物理理论
了解遗传变异和性状之间关系的一个关键方法是全基因组关联研究 (GWAS),GWAS需要准确的队列表型分析,但专家标记可能成本高昂、耗时且多变。来自谷歌的工程师使用机器学习 (ML) 模型对医学成像数据进行分类来改进 GWAS。研究发现的新关联提高了多基因风险评分(PRS) 的准确性,并以青光眼为例,基于 ML 的 GWAS 结果显着改善了独立 EPIC-Norfolk 队列中 VCDR 和原发性开角型青光眼的多基因预测。并在他们的Genomics Research GitHub repository 存储库中发布了模型训练代码和详细文档以供使用。
专家标记方法(左)和基于 ML 的方法(右)发现的具有统计意义的 GWAS 关联的数量,中间有共享关联论文链接:https://www.cell.com/ajhg/fulltext/S0002-9297(21)00188-9#%20相关报道:https://ai.googleblog.com/2021/06/improving-genomic-discovery-with.html
加州大学洛杉矶分校、牛津大学研究团队使用自动化和可解释的机器学习算法开发乳腺癌预测和治疗益处预测模型——Adjutorium——使用来自英国和美国国家癌症登记处的近 100 万名女性的大规模队列数据。与当前临床使用的主要预后工具 (PREDICT v2.1) 相比,Adjutorium 准确性显著提高。Adjutorium 作为基于网络的决策支持工具 (https://vanderschaar-lab.com/adjutorium/) ,用于帮助对早期乳腺癌女性的辅助治疗做出决策,并且可供全球患者和临床医生公开访问。Adjutorium与PREDICT v2.1的治疗决策比较论文链接:https://www.nature.com/articles/s42256-021-00353-8联合国 (UN) 估计,到 2030 年,将有 8.4 亿人受到饥饿的影响。伯明翰大学研究人员表明,农民利用纳米技术和人工智能 (AI) 实时响应作物生长变化的「精准农业」可以为威胁全球粮食安全的挑战提供切实可行的解决方案。论文链接:https://www.nature.com/articles/s41477-021-00946-6
相关报道:https://phys.org/news/2021-06-nanotech-ai-key-global-food.html
塔夫茨大学、伦敦大学学院 (UCL)、剑桥大学和加利福尼亚大学圣塔芭芭拉分校的研究人员使用在超级计算机上运行的量子化学模拟来预测新催化剂的结构及其与某些化学物质的相互作用,并在实践中证明了其生产丙烯的能力。这些改进有可能实现高效、「更绿色」、碳排放量更低的化学物质。论文链接:https://science.sciencemag.org/content/372/6549/1444
相关报道:https://phys.org/news/2021-06-scientists-atom-catalysts-important-chemical.html
即使在不完整的状态下,量子场论(QFT)也是迄今为止发现的最成功的物理理论。著名架构师内森·塞伯格(Nathan Seiberg) 谈论了 QFT 中的空白以及数学家如何填补。内森·塞伯格(Nathan Seiberg)相关报道:https://www.quantamagazine.org/nathan-seiberg-on-how-math-might-reveal-quantum-gravity-20210624/