IBM为癌症研究人员提供3种开源AI工具

小编发现不少朋友对于 IBM为癌症研究人员提供3种开源AI工具 这方面的信息都比较感兴趣，小编就针对 IBM为癌症研究人员提供3种开源AI工具 整理了一些相关方面的信息 在这里分享给大家。

IBM的研究人员和数据科学家开发了三种新颖的算法，旨在揭示导致肿瘤形成和生长的潜在生物过程。

而且，这家计算巨兽正在向临床研究人员和AI开发人员免费提供所有这三种工具。

生命科学研究员Matteo Manica和数据科学家Joris Cadow撰写的博客文章中对这些产品进行了总结，他们都在瑞士的IBM研究实验室工作。

一种名为PaccMann的工具-使用基于多模式注意力的神经网络来预测抗癌化合物敏感性的首字母缩写词-使用来自不同来源的数据来帮助预测患病组织中的细胞将如何响应特定药物。

Manica和Cado报告说，该技术在预测超过200,000对药物细胞系中癌细胞系的敏感性方面优于现有算法。

此外，PaccMann还提供了“可解释性”以及其预测，显示了在进行计算时其所驻留的基因和分子部分。

作者写道：“研究人员可以将这些信息用作指导，以潜在地帮助他们改善或重新利用现有药物，以及开发新药物。”

另一个被称为vectoR的网络交互表达工具，被称为INTEERAcT，可从已发表的科学研究中自动获取有关蛋白质相互作用的信息。

该工具的一个值得注意的优势是它可以在特定疾病状态下梳理蛋白质相互作用。Manica和Cado解释说，这可以与健康组织中的正常相互作用进行比较，这可以帮助研究人员更好地了解疾病的机制。

第三种算法是PIMKL(途径诱导的多核学习)，它利用细胞过程中的现有知识来识别对患者组的分类很重要的分子途径。

作者写道：“由于模型的可解释性，对所提供的患者组之间差异的见解可能会导致对癌症进展的更好理解。”

Manica和Cado写道，这三种算法共同“证明了如何利用机器学习方法来推进对诸如癌症等复杂疾病的生物医学研究。” “我们的工作还表明，可以将解释能力纳入算法中，从而增强信任度，同时还指导寻找潜在疾病机制。”

作者强调说，他们将工具公开提供的动机是“最大程度地提高其对科学界的积极影响”。