beobachtung｜die „jeder-genom-ära“ rückt näher. wer wird die riesigen lebensdaten effizient und genau verstehen?
2024-09-18
한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina
vor dem beginn der „jeder-genom-ära“ wird die gensequenzierungsbranche zunächst mit dem problem des „arbeitskräftemangels“ bei der analyse und interpretation von lebensdaten konfrontiert sein.
„mit der rasanten entwicklung der sequenzierungstechnologie, bei der jeder die möglichkeit hat, exklusive persönliche gesamtgenomdaten zu erhalten, ist die frage, wie man die geheimnisse des lebens aus umfangreichen lebensdaten effizient und genau interpretieren kann, in den fokus der branche gerückt.“ als bgi, der marktführer in der heimischen sequenzierungsbranche, zwei nanoporen-sequenziergeräte auf den markt brachte, sprach zhao lijian, ceo von bgi (300676.sz), über die probleme, mit denen die branche konfrontiert ist.
erwähnenswert ist, dass bgi mit der einführung von nanoporen-sequenzierern angekündigt hat, in die „seq all“-stufe einzutreten, was bedeutet, dass es ein geschlossenes sequenzierungsprodukt mit „vollständiger leselänge“ erreicht hat. in ähnlicher weise schlug das bgi-team das innovative paradigma „generative bio-intelligent gbi all (generative bio-intelligent)“ vor, das auf gentests von big data und fortschrittlichen ki-algorithmen basiert.
berichten zufolge besteht der kern des gbi all-konzepts darin, durch generative biointelligenztechnologie eine tiefgreifende analyse der gesamten genomdaten zu erreichen. unter ihnen ist genet, ein multimodales großmodell für gentests, der größte durchbruch von bgi auf dem gebiet der ki-großmodelle.
liang lungang, stellvertretender it-direktor bei bgi, sagte, dass das genet-modell in tests an echten klinischen proben eine äußerst hohe genauigkeit gezeigt habe und krankheitsverursachende mutationen im zusammenhang mit klinischen phänotypen aus millionen von variantenstandorten schnell aussortieren könne unterstützung bei der klinischen diagnose und behandlung.
zusätzlich zum klinisch orientierten genet-modell schlug bgi auch die öffentlichkeitsorientierte chatgenet-genomberatungsplattform vor. normale benutzer laden ihre gentestberichte auf die chatgenet-plattform hoch und erfahren im dialog mehr über genetische risiken und präventionsvorschläge für verwandte krankheiten.
darüber hinaus hat bgi das intelligente krankheitspräventions- und kontrollsystem 13311i auf den markt gebracht, das mithilfe von ki-algorithmen und big-data-analysen dabei hilft, individuelle gesundheitsrisiken vorherzusagen, personalisierte präventionspläne zu formulieren und den wandel von der passiven behandlung zum aktiven gesundheitsmanagement voranzutreiben.
bgi sagte, dass die entstehung von gbi all die präzisionsmedizin in das zeitalter der digitalen intelligenz befördern wird.
tatsächlich ist die beschaffung genomischer daten nur der erste schritt zur lösung vieler geheimnisse des lebens. die verarbeitung der durch die sequenzierung gewonnenen riesigen daten ist der schlüssel zur effektiven anwendung dieser technologie. dies ist auch eine der langfristigen verbesserungsrichtungen in diesem bereich.
kyle farh, vizepräsident für künstliche intelligenz beim globalen industriegiganten illumina, sagte auf einer konferenz im vergangenen september in nanjing, jiangsu: „algorithmen, die auf künstlicher intelligenz und großen modellen basieren, zeigen großes potenzial im bereich genetischer daten, so the mena r&d.“ das team unternimmt alle anstrengungen, um die anwendung und entwicklung von ki-algorithmen zu fördern, die auf dem training der natürlichen selektion in genetischen daten basieren.“
im juni letzten jahres kündigte illumina außerdem die einführung eines neuen algorithmus für künstliche intelligenz (ki) namens primateai-3d an, der primatengene und fortschrittliche technologie der künstlichen intelligenz nutzen kann, um die genetische risikovorhersage und die entdeckung von medikamentenzielen zu verbessern. „sie können generative sprachmodelle wie chatgpt auf vorhandenen text aus wikipedia und anderswo trainieren. wir verwenden eine ähnliche deep-learning-architektur, aber unsere daten stammen aus millionen von jahren natürlicher selektion“, sagte das unternehmen damals.
der zeitungsreporter he liping
(dieser artikel stammt von the paper. für weitere originalinformationen laden sie bitte die „the paper“-app herunter.)
