#ИИ #структурабелков #лекарства #news
Искусственный интеллект представил структуры почти всех известных белков.
Год назад британская компания DeepMind, занимающаяся искусственным интеллектом, заявила о том, что ей удалось предсказать структуру 350 000 белков, и эта работа вошла в рейтинг десяти научных прорывов 2021 года (Breakthrough of the Year), традиционно составляемый редакцией журнала Science и ожидаемый каждый декабрь. На прошедшей в конце июля в Лондоне пресс-конференции DeepMind и партнеры представили наиболее вероятные структуры почти всех известных белков почти всех организмов – от бактерий до человека.
Таким образом белков с предсказанными структурами на сегодняшний день стало известно больше 200 миллионов. Это достижение программы AlphaFold, разработанной компанией DeepMind, и оно может произвести революцию в биологии и медицине. Полученный массив данных выводит на новый уровень работы в области создания новых лекарств и исследования в эволюционной биологии. Особенность программы AlphaFold в том, что она решила проблему укладки белка, многолетнюю сложную задачу по точному воспроизведению трехмерной структуры белков на основании последовательности составляющих их аминокислот. Как написал в своем Твиттере Эрик Тополь (Eric Topol), директор Института трансляционных исследований Скриппса (Scripps Research Translational Institute), «AlphaFold – это единственный в своем роде и моментальный прорыв в науках о жизни, демонстрирующий силу искусственного интеллекта». «С новыми знаниями о структурах, которые озарили почти всю белковую вселенную, мы можем ожидать раскрытия еще большего количества биологических тайн, которые встают перед нами каждый день», продолжил он.
Белки, структура которых просчитана AlphaFold, синтезируются в организмах от бактерий и растений до позвоночных, включая мышей, рыбок данио-рерио и человека. По словам представителей DeepMind, предсказание структуры одного белка с использованием алгоритма AlphaFold занимает от 10 до 20 секунд. Ближайший партнер компании в этом направлении - Институт биоинформатики при Европейской лаборатории молекулярной биологии (European Molecular Biology Laboratory’s European Bioinformatics Institute, EMBL-EBI). С момента создания базы данных по структуре белков в прошлом году ею воспользовались более полумиллиона исследователей во всем мире. Основатель и исполнительный директор DeepMind Демис Хассабис (Demis Hassabis) предвещает наступление «новой эры в цифровой биологии», где создатели лекарств смогут исходить из предсказанных искусственным интеллектом белковых структур, значимых для того или иного медицинского состояния, чтобы конструировать с помощью того же искусственного интеллекта малые молекулы, способные влиять на эти белки и таким образом лечить болезни.
Искусственный интеллект представил структуры почти всех известных белков.
Год назад британская компания DeepMind, занимающаяся искусственным интеллектом, заявила о том, что ей удалось предсказать структуру 350 000 белков, и эта работа вошла в рейтинг десяти научных прорывов 2021 года (Breakthrough of the Year), традиционно составляемый редакцией журнала Science и ожидаемый каждый декабрь. На прошедшей в конце июля в Лондоне пресс-конференции DeepMind и партнеры представили наиболее вероятные структуры почти всех известных белков почти всех организмов – от бактерий до человека.
Таким образом белков с предсказанными структурами на сегодняшний день стало известно больше 200 миллионов. Это достижение программы AlphaFold, разработанной компанией DeepMind, и оно может произвести революцию в биологии и медицине. Полученный массив данных выводит на новый уровень работы в области создания новых лекарств и исследования в эволюционной биологии. Особенность программы AlphaFold в том, что она решила проблему укладки белка, многолетнюю сложную задачу по точному воспроизведению трехмерной структуры белков на основании последовательности составляющих их аминокислот. Как написал в своем Твиттере Эрик Тополь (Eric Topol), директор Института трансляционных исследований Скриппса (Scripps Research Translational Institute), «AlphaFold – это единственный в своем роде и моментальный прорыв в науках о жизни, демонстрирующий силу искусственного интеллекта». «С новыми знаниями о структурах, которые озарили почти всю белковую вселенную, мы можем ожидать раскрытия еще большего количества биологических тайн, которые встают перед нами каждый день», продолжил он.
Белки, структура которых просчитана AlphaFold, синтезируются в организмах от бактерий и растений до позвоночных, включая мышей, рыбок данио-рерио и человека. По словам представителей DeepMind, предсказание структуры одного белка с использованием алгоритма AlphaFold занимает от 10 до 20 секунд. Ближайший партнер компании в этом направлении - Институт биоинформатики при Европейской лаборатории молекулярной биологии (European Molecular Biology Laboratory’s European Bioinformatics Institute, EMBL-EBI). С момента создания базы данных по структуре белков в прошлом году ею воспользовались более полумиллиона исследователей во всем мире. Основатель и исполнительный директор DeepMind Демис Хассабис (Demis Hassabis) предвещает наступление «новой эры в цифровой биологии», где создатели лекарств смогут исходить из предсказанных искусственным интеллектом белковых структур, значимых для того или иного медицинского состояния, чтобы конструировать с помощью того же искусственного интеллекта малые молекулы, способные влиять на эти белки и таким образом лечить болезни.
Science
‘New era in digital biology’: AI reveals structures of nearly all known proteins
Advance from DeepMind’s AlphaFold software could revolutionize biology and medicine
#ИИ #болезньПаркинсона #дыхание #news
Искусственный интеллект может обнаруживать болезнь Паркинсона по дыханию
Разработанное в Массачусетском технологическом институте устройство, похожее на Wi-Fi-роутер, использует нейронную сеть для определения наличия и серьезности одного из самых быстрорастущих неврологических заболеваний в мире, сообщает MIT News.
Трудность диагностики болезни Паркинсона заключается в том, основные ее симптомы – тремор, скованность и медлительность – часто проявляются через несколько лет после начала заболевания. Специалисты по компьютерным наукам из Массачусетского технологического института, авторы статьи в августовском номере Nature Medicine, разработали алгоритм искусственного интеллекта, который может обнаруживать болезнь Паркинсона благодаря способности распознавать характер дыхания человека во время сна. Эта нейронная сеть также способна определять тяжесть болезни Паркинсона и отслеживать прогрессирование заболевания с течением времени. На протяжении многих лет ученые исследовали возможности обнаружения болезни Паркинсона по спинномозговой жидкости и посредством нейровизуализации, но такие методы инвазивны, дорогостоящи и требуют доступа в специализированные медицинские центры, что делает их непригодными для частого тестирования потенциальных больных, которое могло бы обеспечить раннюю диагностику или постоянное отслеживание прогрессирования заболевания.
Авторы из Массачусетского технологического института продемонстрировали, что оценку болезни Паркинсона с помощью искусственного интеллекта можно проводить каждую ночь дома, пока человек спит и не прикасается к своему телу. Для этого они разработали устройство, похожее на домашний Wi-Fi-роутер, однако вместо предоставления доступа в Интернет оно излучает радиосигналы, анализирует их отражение от окружающей среды и извлекает модели дыхания субъекта без контакта и каких-либо телесных повреждений. Затем сигнал дыхания передается в нейронную сеть для пассивной оценки болезни Паркинсона. При этом от пациента и лица, осуществляющего его уход, не требуется никаких усилий. «Связь между болезнью Паркинсона и дыханием была отмечена еще в 1817 году в работе доктора Джеймса Паркинсона. Это побудило нас рассмотреть возможность обнаружения болезни по дыханию, не глядя на движения», говорит руководитель исследования профессор Дина Катаби. «Некоторые медицинские исследования показали, что респираторные симптомы проявляются за годы до двигательных симптомов, а это означает, что признаки дыхания могут быть многообещающими для оценки риска до постановки диагноза болезни Паркинсона», пояснила она. Болезнь Паркинсона — самое быстрорастущее неврологическое заболевание в мире — является вторым по распространенности нейродегенеративным заболеванием после болезни Альцгеймера. Только в Соединенных Штатах от него страдает более 1 миллиона человек, а ежегодное экономическое бремя составляет 51,9 миллиарда долларов. Алгоритм исследовательской группы был протестирован на 7687 человек, включая 757 пациентов с болезнью Паркинсона. Катаби отмечает, что исследование имеет важное значение для разработки лекарств от болезни Паркинсона и клинического лечения. Полученные результаты позволят проводить клинические испытания со значительно меньшей продолжительностью и меньшим количеством участников, что в конечном итоге ускорит разработку новых методов лечения, поясняет автор. С точки зрения клинической помощи этот подход может помочь в оценке состояния пациентов с болезнью Паркинсона в традиционно недостаточно обслуживаемых сообществах, включая проживающих в сельской местности, и тех, кому трудно выйти из дома из-за ограниченной подвижности или когнитивных нарушений», говорит Катаби.
Искусственный интеллект может обнаруживать болезнь Паркинсона по дыханию
Разработанное в Массачусетском технологическом институте устройство, похожее на Wi-Fi-роутер, использует нейронную сеть для определения наличия и серьезности одного из самых быстрорастущих неврологических заболеваний в мире, сообщает MIT News.
Трудность диагностики болезни Паркинсона заключается в том, основные ее симптомы – тремор, скованность и медлительность – часто проявляются через несколько лет после начала заболевания. Специалисты по компьютерным наукам из Массачусетского технологического института, авторы статьи в августовском номере Nature Medicine, разработали алгоритм искусственного интеллекта, который может обнаруживать болезнь Паркинсона благодаря способности распознавать характер дыхания человека во время сна. Эта нейронная сеть также способна определять тяжесть болезни Паркинсона и отслеживать прогрессирование заболевания с течением времени. На протяжении многих лет ученые исследовали возможности обнаружения болезни Паркинсона по спинномозговой жидкости и посредством нейровизуализации, но такие методы инвазивны, дорогостоящи и требуют доступа в специализированные медицинские центры, что делает их непригодными для частого тестирования потенциальных больных, которое могло бы обеспечить раннюю диагностику или постоянное отслеживание прогрессирования заболевания.
Авторы из Массачусетского технологического института продемонстрировали, что оценку болезни Паркинсона с помощью искусственного интеллекта можно проводить каждую ночь дома, пока человек спит и не прикасается к своему телу. Для этого они разработали устройство, похожее на домашний Wi-Fi-роутер, однако вместо предоставления доступа в Интернет оно излучает радиосигналы, анализирует их отражение от окружающей среды и извлекает модели дыхания субъекта без контакта и каких-либо телесных повреждений. Затем сигнал дыхания передается в нейронную сеть для пассивной оценки болезни Паркинсона. При этом от пациента и лица, осуществляющего его уход, не требуется никаких усилий. «Связь между болезнью Паркинсона и дыханием была отмечена еще в 1817 году в работе доктора Джеймса Паркинсона. Это побудило нас рассмотреть возможность обнаружения болезни по дыханию, не глядя на движения», говорит руководитель исследования профессор Дина Катаби. «Некоторые медицинские исследования показали, что респираторные симптомы проявляются за годы до двигательных симптомов, а это означает, что признаки дыхания могут быть многообещающими для оценки риска до постановки диагноза болезни Паркинсона», пояснила она. Болезнь Паркинсона — самое быстрорастущее неврологическое заболевание в мире — является вторым по распространенности нейродегенеративным заболеванием после болезни Альцгеймера. Только в Соединенных Штатах от него страдает более 1 миллиона человек, а ежегодное экономическое бремя составляет 51,9 миллиарда долларов. Алгоритм исследовательской группы был протестирован на 7687 человек, включая 757 пациентов с болезнью Паркинсона. Катаби отмечает, что исследование имеет важное значение для разработки лекарств от болезни Паркинсона и клинического лечения. Полученные результаты позволят проводить клинические испытания со значительно меньшей продолжительностью и меньшим количеством участников, что в конечном итоге ускорит разработку новых методов лечения, поясняет автор. С точки зрения клинической помощи этот подход может помочь в оценке состояния пациентов с болезнью Паркинсона в традиционно недостаточно обслуживаемых сообществах, включая проживающих в сельской местности, и тех, кому трудно выйти из дома из-за ограниченной подвижности или когнитивных нарушений», говорит Катаби.
MIT News
Artificial intelligence model can detect Parkinson’s from breathing patterns
A new device can detect Parkinson's disease just from breathing patterns. The device, developed by a team led by Dina Katabi of MIT, employs a neural network to discern the presence and severity of the neurological disease.
Искусственный интеллект может помочь в лечении артериальной гипертензии
Новая программа искусственного интеллекта ученых Бостонского университета дает рекомендации по лечению артериальной гипертензии (АГ) в режиме реального времени на основе конкретных характеристик пациента, включая демографию, показатели жизнедеятельности, анамнез и анализы. Согласно результатам исследования, модель, может помочь снизить систолическое артериальное давление более эффективно, чем при стандартном лечении.
Модель разработана с использованием анонимных данных 42 752 пациентов с АГ, собранных в период с 2012 по 2020 год. Ее эффективность сравнивали с текущим стандартом лечения, а также с тремя другими алгоритмами для прогнозирования планов лечения. Алгоритм был клинически проверен, и исследователи вручную рассмотрели случайную выборку из 350 случаев.
Читать статью
#АГ #ИИ #news
Новая программа искусственного интеллекта ученых Бостонского университета дает рекомендации по лечению артериальной гипертензии (АГ) в режиме реального времени на основе конкретных характеристик пациента, включая демографию, показатели жизнедеятельности, анамнез и анализы. Согласно результатам исследования, модель, может помочь снизить систолическое артериальное давление более эффективно, чем при стандартном лечении.
Модель разработана с использованием анонимных данных 42 752 пациентов с АГ, собранных в период с 2012 по 2020 год. Ее эффективность сравнивали с текущим стандартом лечения, а также с тремя другими алгоритмами для прогнозирования планов лечения. Алгоритм был клинически проверен, и исследователи вручную рассмотрели случайную выборку из 350 случаев.
Читать статью
#АГ #ИИ #news
Новый выпуск авторской программы Марины Аствацатурян «Медицина в контексте» посвящен искусственному интеллекту в медицине.
Внедрение технологий искусственного интеллекта в медицине – один из главных трендов в сфере здравоохранения. Гость программы Сергей Воинов, директор направления цифровых решений для медицины Фонда «Сколково», рассказал о возможностях ИИ и нейросетей, методах машинного обучения и анализа медицинских данных, способах их включения в современную систему здравоохранения для улучшения качества диагностики и терапии заболеваний.
Смотрите премьеру 23 июня в 15:00 на 1med.tv или на YouTube.
#ИИ #медицинавконтексте #1medtv
Внедрение технологий искусственного интеллекта в медицине – один из главных трендов в сфере здравоохранения. Гость программы Сергей Воинов, директор направления цифровых решений для медицины Фонда «Сколково», рассказал о возможностях ИИ и нейросетей, методах машинного обучения и анализа медицинских данных, способах их включения в современную систему здравоохранения для улучшения качества диагностики и терапии заболеваний.
Смотрите премьеру 23 июня в 15:00 на 1med.tv или на YouTube.
#ИИ #медицинавконтексте #1medtv
YouTube
Искусственный интеллект в медицине | Премьера 23 июня в 15:00
Новый выпуск авторской программы Марины Аствацатурян «Медицина в контексте» посвящен искусственному интеллекту в медицине.
Внедрение технологий искусственного интеллекта в медицине – один из главных трендов в сфере здравоохранения. Гость программы Сергей…
Внедрение технологий искусственного интеллекта в медицине – один из главных трендов в сфере здравоохранения. Гость программы Сергей…
⚡️Технологии искусственного интеллекта (ИИ) – один из ключевых трендов в мире медицины. Новые диагностические системы, разработка инновационных лекарственных препаратов, рост качества медицинского обслуживания в целом и снижение трудозатрат – такие перспективы не могут не радовать.
В продолжении цикла передач «ГастроКлуб» Валерия Олеговна Кайбышева и Дмитрий Викторович Дырмовский обсудят:
✅ отличия искусственного интеллекта от обычного программного обеспечения,
✅ ниши в медицинской сфере, где нейронные сети активно применяют уже сейчас,
✅ пути развития ИИ в медицине ближайшего и отдаленного будущего
✅ современные проекты, над которыми сейчас ведут совместную работу врачи и программисты по всему миру.
📢 Трансляция начнется 28 сентября в 19:00 на www.1med.tv.
Подключайтесь и задавайте вопросы: https://1med.tv/translation/?channel=live
#ИИ_в_медицине
В продолжении цикла передач «ГастроКлуб» Валерия Олеговна Кайбышева и Дмитрий Викторович Дырмовский обсудят:
✅ отличия искусственного интеллекта от обычного программного обеспечения,
✅ ниши в медицинской сфере, где нейронные сети активно применяют уже сейчас,
✅ пути развития ИИ в медицине ближайшего и отдаленного будущего
✅ современные проекты, над которыми сейчас ведут совместную работу врачи и программисты по всему миру.
📢 Трансляция начнется 28 сентября в 19:00 на www.1med.tv.
Подключайтесь и задавайте вопросы: https://1med.tv/translation/?channel=live
#ИИ_в_медицине
Созданная искусственным интеллектом конструкция катетера предотвращает бактериальное заражение
Наиболее частый способ распространения бактериальных инфекций в стационарах – попадание в организм через мочевые катетеры бактерий, которые способны двигаться вверх по течению. Ученые разработали новый тип катетера, который препятствует этому. Благодаря новому дизайну, оптимизированному с помощью ИИ, количество бактерий, движущихся против течения, сократилось в 100 раз.
Ученые разработали трубки с треугольными выступами, похожими на акульи плавники, вдоль внутренних стенок трубок. Продолжив 3D-моделирование, ученые изготовили микрофлюидные каналы с треугольной конструкцией, чтобы наблюдать за движением бактерий E. coli при различных условиях потока.
Траектории E. coli почти идеально совпали с смоделированными предсказаниями. Затем специалисты по ИИ создали алгоритмы, улучшившие оптимизацию катетера. Финальная конструкция повысила эффективность первоначальных форм еще на 5%.
Читать статью
#ИИ #news
Наиболее частый способ распространения бактериальных инфекций в стационарах – попадание в организм через мочевые катетеры бактерий, которые способны двигаться вверх по течению. Ученые разработали новый тип катетера, который препятствует этому. Благодаря новому дизайну, оптимизированному с помощью ИИ, количество бактерий, движущихся против течения, сократилось в 100 раз.
Ученые разработали трубки с треугольными выступами, похожими на акульи плавники, вдоль внутренних стенок трубок. Продолжив 3D-моделирование, ученые изготовили микрофлюидные каналы с треугольной конструкцией, чтобы наблюдать за движением бактерий E. coli при различных условиях потока.
Траектории E. coli почти идеально совпали с смоделированными предсказаниями. Затем специалисты по ИИ создали алгоритмы, улучшившие оптимизацию катетера. Финальная конструкция повысила эффективность первоначальных форм еще на 5%.
Читать статью
#ИИ #news