havainto｜ "everyone genome era" lähestyy. kuka ymmärtää tehokkaasti ja tarkasti valtavat elämätiedot?
2024-09-18
한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina
ennen "kaikkien genomin aikakauden" saapumista geenisekvensointiteollisuus kohtaa ensin "työvoimapulan" ongelman elämätietojen analysoinnissa ja tulkinnassa.
"sekvensointitekniikan nopean kehityksen myötä, kun jokaisella on mahdollisuus saada eksklusiivinen henkilökohtainen koko genomitieto, on viime aikoina tullut alan keskipisteeksi kuinka tehokkaasti ja tarkasti tulkita elämän mysteerit." kun bgi, johtava kotimaisen sekvensointiteollisuuden, julkaisi kaksi nanohuokosekvensoijaa, zhao lijian, bgi:n toimitusjohtaja (300676.sz), puhui alan ongelmista.
on syytä mainita, että nanohuokosekvensserien lanseerauksen myötä bgi ilmoitti siirtyvänsä "seq all" -vaiheeseen, mikä tarkoittaa, että se on saavuttanut suljetun "full read long" -sekvensointituotteen. samoin bgi-tiimi ehdotti "generative bio-intelligent gbi all (generative bio-intelligent)" innovatiivista paradigmaa, joka perustuu geneettisen testauksen suurdataan ja edistyneisiin tekoälyalgoritmeihin.
raporttien mukaan gbi all -konseptin ydin on saavuttaa koko genomidatan syvällinen analyysi generatiivisen bioälyteknologian avulla. niistä genet, monimuotoinen geneettisen testauksen suuri malli, on bgi:n suuri läpimurto tekoälyn suurten mallien alalla.
bgi:n it-osaston apulaisjohtaja liang lungang sanoi, että todellisilla kliinisillä näytteillä suoritetuissa testeissä genet-malli on osoittanut erittäin suurta tarkkuutta ja se voi nopeasti seuloa kliinisiin fenotyyppeihin liittyvät sairauksia aiheuttavat mutaatiot miljoonista varianttikohteista kliinisen diagnoosin ja hoidon tuki.
kliinisen genet-mallin lisäksi bgi ehdotti myös yleisölle suunnattua chatgenet-genomikonsultointialustaa. tavalliset käyttäjät lataavat geenitestiraporttinsa chatgenet-alustalle ja oppivat vuoropuhelun kautta geneettisistä riskeistä ja ehkäisyehdotuksista niihin liittyviin sairauksiin.
lisäksi bgi lanseerasi älykkään sairauksien ehkäisy- ja valvontajärjestelmän 13311i, joka käyttää tekoälyalgoritmeja ja big data -analyysiä auttaakseen ennakoimaan yksilöllisiä terveysriskejä, laatimaan yksilöllisiä ehkäisysuunnitelmia ja edistämään siirtymistä passiivisesta hoidosta aktiiviseen terveydenhuoltoon.
bgi sanoi, että gbi all:n syntyminen vie tarkkuuslääketiedettä digitaalisen älykkyyden aikakauteen.
itse asiassa genomitietojen hankkiminen on vasta ensimmäinen askel monien elämän mysteerien ratkaisemisessa. kuinka käsitellä sekvensoinnilla saatuja massiivisia tietoja on avain tämän tekniikan tehokkaaseen soveltamiseen. tämä on myös yksi pitkän aikavälin parannussuunnista tällä alalla.
kyle farh, globaalin teollisuusjätti illuminan tekoälystä vastaava varajohtaja, sanoi nanjingissa, jiangsussa viime syyskuussa pidetyssä konferenssissa: "tekoälyyn ja suuriin malleihin perustuvat algoritmit osoittavat suurta potentiaalia geneettisen datan alalla, joten the mena r&d tiimi tekee kaikkensa edistääkseen geneettisen datan luonnolliseen valintakoulutukseen perustuvien tekoälyalgoritmien soveltamista ja kehittämistä.
viime vuoden kesäkuussa illumina julkisti myös uuden tekoäly-algoritmin, primateai-3d:n, joka voi käyttää kädellisten geenejä ja kehittynyttä tekoälyteknologiaa parantamaan geneettisen riskin ennustamista ja lääkekohteiden löytämistä. "voit harjoitella generatiivisia kielimalleja, kuten chatgpt:tä, olemassa olevalle tekstille wikipediasta ja muualta. käytämme samanlaista syväoppimisarkkitehtuuria, mutta tietomme ovat peräisin miljoonien vuosien luonnollisesta valinnasta", yritys sanoi tuolloin.
lehden toimittaja he liping
(tämä artikkeli on the paperista. jos haluat lisätietoja, lataa "the paper" -sovellus)
