当前位置: 首页 > 资讯 > 安全资讯
机器学习在生物学中的应用
原创 发布时间:2022-11-20 浏览次数: 96 来源: 邝祖鹏

核心提示:虽然人类无法在数千兆字节的信息中识别模式,但ML可以做到这一点,并在几秒钟到几分钟内解决复杂的任务。为了获得ML项目的信息,获得可靠的数据库是很重要的。


  机器学习(Machine Learning,ML)的起源可以追溯到16世纪,当时创造了第一个机械计算器,以及现代二进制系统。这些发明,仍然是当代ML的组成部分,在1950年代中期被转化为现代ML。1952年,IBM的阿瑟·塞缪尔(Arthur Samuel)创造了一个计算机程序,从而创造了“机器学习”这个短语。在千禧年之交,ML算法逐渐被应用于赢得棋盘游戏以外的任务。对ML的研究开始以指数级的速度发展。开发的算法比放射科医生更准确地检测癌症,从图像中识别人脸,预测消费者行为,像本地人一样说话,以及读唇语,这只是其中几个例子。

  ML可以分为两部分:监督学习和无监督学习。“监督机器学习”(supervised learning)是指将模型与已标记的数据(或数据子集)进行拟合——其中存在一些属性的真实值(ground truth),通常通过实验测量或由人类分配。相比之下,无监督学习(unsupervised learning)方法能够识别未标记数据中的模式,而无需以预定标签的形式向机器学习系统提供真实值。

  随着现代生物学的发展,过去几十年,生物数据集的规模与复杂性大幅增长,可自由访问的基因组、蛋白质组和代谢组元数据促进了ML项目的启动,这使得机器学习越来越多地用于为潜在生物过程构建信息与预测模型。“机器学习”泛指用预测模型拟合数据或识别数据中的信息分组的过程。机器学习领域本质上试图近似或模仿人类识别模式的能力——尽管是以“计算”这样客观的方式。当人们想要分析的数据集因为太大(许多单独的数据点)或太复杂(包含大量特征)而无法进行人工分析,或者当人们需要自动化数据分析的过程,来建立可重复且省时的工作流程时,机器学习就很有用。来自生物实验的数据通常就是这样的。ML技术提供了一种解释元数据并利用它来解决问题的简便方法。虽然人类无法在数千兆字节的信息中识别模式,但ML可以做到这一点,并在几秒钟到几分钟内解决复杂的任务。为了获得ML项目的信息,获得可靠的数据库是很重要的。

  参考文献

  [1] Greener JG, Kandathil SM, Moffat L, Jones DT. A guide to machine learning for biologists. Nat Rev Mol Cell Biol. 2022;23(1):40-55. doi:10.1038/s41580-021-00407-0

  [2] McCoubrey LE, Elbadawi M, Orlu M, Gaisford S, Basit AW. Harnessing machine learning for development of microbiome therapeutics. Gut Microbes. 2021;13(1):1-20. doi:10.1080/19490976.2021.1872323

  [3] Sahu M, Gupta R, Ambasta RK, Kumar P. Artificial intelligence and machine learning in precision medicine: A paradigm shift in big data analysis. Prog Mol Biol Transl Sci. 2022;190(1):57-100. doi:10.1016/bs.pmbts.2022.03.002

  [4] Myszczynska MA, Ojamies PN, Lacoste AMB, et al. Applications of machine learning to diagnosis and treatment of neurodegenerative diseases. Nat Rev Neurol. 2020;16(8):440-456. doi:10.1038/s41582-020-0377-8

网站声明

1、凡本网所有原始/编译文章及图片、图表的版权均属微生物安全与健康网所有,未经授权,禁止转载,如需转载,请联系取得授权后转载。

2、凡本网未注明"信息来源:(微生物安全与健康网)"的信息,均来源于网络,转载的目的在于传递更多的信息,仅供网友学习参考使用并不代表本网同具观点和对具真实性负责,著作权及版权归原作者所有,转載无意侵犯版权,如有侵权,请速来函告知,我们将尽快处理。

3、转载请注明:文章转载自www.mbiosh.com

※联系方式:020-87680942

评论

直播视频

在线咨询

联系我们

回到顶部

我要留言