Baidu
map

人工智能可大幅度降低蛋白质组学研究的错误率

2019-06-02 不详 MedSci原创

慕尼黑技术大学生物信息学科学家Mathias Wilhelm和生物化学家BernhardKüster领导的研究发现,利用人工智能使蛋白质的质量分析更快,几乎没有错误。

慕尼黑技术大学生物信息学科学家Mathias Wilhelm和生物化学家BernhardKüster领导的研究发现,利用人工智能使蛋白质的质量分析更快,几乎没有错误。

目前,某些蛋白质不能被质谱仪识别或被错误识别,因为它们不直接测量蛋白质,这是"一个严重的问题",BernhardKüster说。利用人工智能软件(名为'Prosit')进行蛋白质组学分析可以将错误降低100倍。

在1亿个质谱的帮助下,该算法经过了广泛的训练,可以用于所有常见的质谱仪,无需任何额外的培训。

Prosit将来有可能开发出更加强大的仪器。研究人员和医生也将能够更好、更快地检测出患者血液或尿液中的生物标记物,或监测疗法的有效性。

该研究发表在Nature Methods上。

原始出处:


本文系梅斯医学(MedSci)原创编译整理,转载需授权!

版权声明:
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章,或“梅斯号”自媒体发布的文章,仅系出于传递更多信息之目的,本站仅负责审核内容合规,其内容不代表本站立场,本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言
评论区 (4)
#插入话题
  1. [GetPortalCommentsPageByObjectIdResponse(id=1765781, encodeId=19671e65781b5, content=<a href='/topic/show?id=252ae1803a3' target=_blank style='color:#2F92EE;'>#白质#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=70, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=71803, encryptionId=252ae1803a3, topicName=白质)], attachment=null, authenticateStatus=null, createdAvatar=, createdBy=778d36, createdName=柳叶一刀, createdTime=Mon Dec 02 08:33:00 CST 2019, time=2019-12-02, status=1, ipAttribution=), GetPortalCommentsPageByObjectIdResponse(id=1804798, encodeId=d4df1804e981a, content=<a href='/topic/show?id=c4bee764836' target=_blank style='color:#2F92EE;'>#组学研究#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=102, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=77648, encryptionId=c4bee764836, topicName=组学研究)], attachment=null, authenticateStatus=null, createdAvatar=, createdBy=8f5b299, createdName=xuyu, createdTime=Sun Apr 19 22:33:00 CST 2020, time=2020-04-19, status=1, ipAttribution=), GetPortalCommentsPageByObjectIdResponse(id=1754847, encodeId=21fb1e5484781, content=<a href='/topic/show?id=0a1688e33b3' target=_blank style='color:#2F92EE;'>#蛋白质组#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=78, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=88733, encryptionId=0a1688e33b3, topicName=蛋白质组)], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=cf6736789983, createdName=jjjiang0211, createdTime=Mon Feb 03 22:33:00 CST 2020, time=2020-02-03, status=1, ipAttribution=), GetPortalCommentsPageByObjectIdResponse(id=1297084, encodeId=1c05129e08414, content=<a href='/topic/show?id=158288e017c' target=_blank style='color:#2F92EE;'>#蛋白质#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=80, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=88701, encryptionId=158288e017c, topicName=蛋白质)], attachment=null, authenticateStatus=null, createdAvatar=, createdBy=c689267, createdName=cmj8wellington, createdTime=Tue Jun 04 03:33:00 CST 2019, time=2019-06-04, status=1, ipAttribution=)]
  2. [GetPortalCommentsPageByObjectIdResponse(id=1765781, encodeId=19671e65781b5, content=<a href='/topic/show?id=252ae1803a3' target=_blank style='color:#2F92EE;'>#白质#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=70, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=71803, encryptionId=252ae1803a3, topicName=白质)], attachment=null, authenticateStatus=null, createdAvatar=, createdBy=778d36, createdName=柳叶一刀, createdTime=Mon Dec 02 08:33:00 CST 2019, time=2019-12-02, status=1, ipAttribution=), GetPortalCommentsPageByObjectIdResponse(id=1804798, encodeId=d4df1804e981a, content=<a href='/topic/show?id=c4bee764836' target=_blank style='color:#2F92EE;'>#组学研究#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=102, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=77648, encryptionId=c4bee764836, topicName=组学研究)], attachment=null, authenticateStatus=null, createdAvatar=, createdBy=8f5b299, createdName=xuyu, createdTime=Sun Apr 19 22:33:00 CST 2020, time=2020-04-19, status=1, ipAttribution=), GetPortalCommentsPageByObjectIdResponse(id=1754847, encodeId=21fb1e5484781, content=<a href='/topic/show?id=0a1688e33b3' target=_blank style='color:#2F92EE;'>#蛋白质组#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=78, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=88733, encryptionId=0a1688e33b3, topicName=蛋白质组)], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=cf6736789983, createdName=jjjiang0211, createdTime=Mon Feb 03 22:33:00 CST 2020, time=2020-02-03, status=1, ipAttribution=), GetPortalCommentsPageByObjectIdResponse(id=1297084, encodeId=1c05129e08414, content=<a href='/topic/show?id=158288e017c' target=_blank style='color:#2F92EE;'>#蛋白质#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=80, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=88701, encryptionId=158288e017c, topicName=蛋白质)], attachment=null, authenticateStatus=null, createdAvatar=, createdBy=c689267, createdName=cmj8wellington, createdTime=Tue Jun 04 03:33:00 CST 2019, time=2019-06-04, status=1, ipAttribution=)]
  3. [GetPortalCommentsPageByObjectIdResponse(id=1765781, encodeId=19671e65781b5, content=<a href='/topic/show?id=252ae1803a3' target=_blank style='color:#2F92EE;'>#白质#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=70, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=71803, encryptionId=252ae1803a3, topicName=白质)], attachment=null, authenticateStatus=null, createdAvatar=, createdBy=778d36, createdName=柳叶一刀, createdTime=Mon Dec 02 08:33:00 CST 2019, time=2019-12-02, status=1, ipAttribution=), GetPortalCommentsPageByObjectIdResponse(id=1804798, encodeId=d4df1804e981a, content=<a href='/topic/show?id=c4bee764836' target=_blank style='color:#2F92EE;'>#组学研究#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=102, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=77648, encryptionId=c4bee764836, topicName=组学研究)], attachment=null, authenticateStatus=null, createdAvatar=, createdBy=8f5b299, createdName=xuyu, createdTime=Sun Apr 19 22:33:00 CST 2020, time=2020-04-19, status=1, ipAttribution=), GetPortalCommentsPageByObjectIdResponse(id=1754847, encodeId=21fb1e5484781, content=<a href='/topic/show?id=0a1688e33b3' target=_blank style='color:#2F92EE;'>#蛋白质组#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=78, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=88733, encryptionId=0a1688e33b3, topicName=蛋白质组)], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=cf6736789983, createdName=jjjiang0211, createdTime=Mon Feb 03 22:33:00 CST 2020, time=2020-02-03, status=1, ipAttribution=), GetPortalCommentsPageByObjectIdResponse(id=1297084, encodeId=1c05129e08414, content=<a href='/topic/show?id=158288e017c' target=_blank style='color:#2F92EE;'>#蛋白质#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=80, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=88701, encryptionId=158288e017c, topicName=蛋白质)], attachment=null, authenticateStatus=null, createdAvatar=, createdBy=c689267, createdName=cmj8wellington, createdTime=Tue Jun 04 03:33:00 CST 2019, time=2019-06-04, status=1, ipAttribution=)]
  4. [GetPortalCommentsPageByObjectIdResponse(id=1765781, encodeId=19671e65781b5, content=<a href='/topic/show?id=252ae1803a3' target=_blank style='color:#2F92EE;'>#白质#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=70, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=71803, encryptionId=252ae1803a3, topicName=白质)], attachment=null, authenticateStatus=null, createdAvatar=, createdBy=778d36, createdName=柳叶一刀, createdTime=Mon Dec 02 08:33:00 CST 2019, time=2019-12-02, status=1, ipAttribution=), GetPortalCommentsPageByObjectIdResponse(id=1804798, encodeId=d4df1804e981a, content=<a href='/topic/show?id=c4bee764836' target=_blank style='color:#2F92EE;'>#组学研究#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=102, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=77648, encryptionId=c4bee764836, topicName=组学研究)], attachment=null, authenticateStatus=null, createdAvatar=, createdBy=8f5b299, createdName=xuyu, createdTime=Sun Apr 19 22:33:00 CST 2020, time=2020-04-19, status=1, ipAttribution=), GetPortalCommentsPageByObjectIdResponse(id=1754847, encodeId=21fb1e5484781, content=<a href='/topic/show?id=0a1688e33b3' target=_blank style='color:#2F92EE;'>#蛋白质组#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=78, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=88733, encryptionId=0a1688e33b3, topicName=蛋白质组)], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=cf6736789983, createdName=jjjiang0211, createdTime=Mon Feb 03 22:33:00 CST 2020, time=2020-02-03, status=1, ipAttribution=), GetPortalCommentsPageByObjectIdResponse(id=1297084, encodeId=1c05129e08414, content=<a href='/topic/show?id=158288e017c' target=_blank style='color:#2F92EE;'>#蛋白质#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=80, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=88701, encryptionId=158288e017c, topicName=蛋白质)], attachment=null, authenticateStatus=null, createdAvatar=, createdBy=c689267, createdName=cmj8wellington, createdTime=Tue Jun 04 03:33:00 CST 2019, time=2019-06-04, status=1, ipAttribution=)]

相关资讯

人工智能识别胸痛准确度远超医生:几乎100%正确

人工智能涉足医学界已不是什么新鲜事,但是在ICNC 2019上面世的名为“ARTICA”的“超级大脑”决策支持系统能识别哪些胸痛患者是源于心脏问题,以及需要做什么必要的心血管检查,着实让人眼前一亮。研究者说,当前临床上存在过度检查的现象,而“ARTICA会严格遵守ESC指南,减少不必要检查,省时省钱。研究者招募了982例胸痛稳定的患者,针对这些患者,比较了心脏病医生和ARTICA在同一天进行哪些测

强生医疗:人工智能加速医疗创新

5月18日,强生医疗心血管和专业解决方案事业部总经理王金鹤应邀出席“2019年上海科技节 -- 预见未来·人工智能医疗专场”活动,就医疗与创新发表主旨演讲,介绍强生医疗投资于创新,加速人工智能引领医疗创新的愿景、战略和举措。在嘉宾论坛环节,王金鹤与来自沪上知名院校和医疗机构的专家们一起,共同探讨人工智能在医疗等广泛领域的应用和发展方向,向公众描绘未来人工智能支持医疗发展的蓝图,并回答了现场观众的提

IBM Watson大裁70% 员工,撕掉了国内大批伪AI企业最后一块遮羞布!

1997 年,IBM 深蓝战胜国际象棋冠军卡斯帕洛夫,从此,这家蓝色巨人,连同Watson 一起,开始为全世界熟知。 Watson 也从此名声大噪,成为IBM 持续数年经久不衰的「AI 代言人」。2014 年初,IBM 投资10 亿美元(约新台币300 亿元)专门建立「Watson Group」,并在一年后,开始全力进军医疗健康行业。 2015 年4 月,IBM 成立了独立的Watson

结核病耐药后无药可用?人工智能帮患者走出“至暗时刻”

在许多人印象中,结核病不过是一种过时的“白色瘟疫”。然而,“狡猾”的结核病并未被人类打败。

国内率先发表人工智能心血管影像学研究,深度学习自动测量心胸比率准确,测量时间从25.26秒缩至0.69秒

近年来人工智能开始被应用于医学领域,尤其应用于医学影像大数据的分析处理,显示了极为高效而准确的效果。人工智能在医学影像领域的应用也日益受到重视,在心血管影像领域也得以快速发展。

人工智能医疗如何实现新变革

2018年1月,国家卫生计生委和国家中医药管理局发布《关于印发进一步改善医疗服务行动计划(2018-2020年)的通知》,对未来3年医疗服务改善工作进行了部署。以“互联网+”为手段,建设智慧医院。2018年12月7日最新的《电子病历系统应用水平分级评价管理方法及评价标准》正式发布。2019年3月18日,国家卫健委发布《关于印发医院智慧服务分级评估标准体系(试行)的通知》,指导医疗机构科学、规范开展

Baidu
map
Baidu
map
Baidu
map