知识卡片

普通读书笔记卡 · 8197.f.2.a · 生成模型:未记录

图像反推基因型

理解等级:中级

分子改变可能通过信号和表达网络影响组织形态,图像模型因而能够学习形态与某些基因状态的关联。预测并非直接读取DNA序列,也不保证每类变异都留下可见信号。需要以配对分子检测建立和验证关系,并检查人群、取样和组织差异;尚不能由图像预测自动取代分子确证。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《人工智能与计算生物的未来 (【美】布赖恩·希尔布什)》生物学和医学中基于人工智能的算法,分子分类与图像预测的桥梁(源项目a19c7933-4eda-4176-aebd-30fe7e1ad292,源文件:extracted/人工智能与计算生物的未来 (【美】布赖恩·希尔布什)/_epub-src/EPUB/xhtml/Section07.xhtml) - 结论依据:原文对该概念的说明、比较或案例支撑本卡解释;历史案例不等于当前临床有效性或监管认可。已经核验的边界与书中陈述分开。 - 原始内容:人工智能能否通过图像来推断基因型?相比于生物学中更常见的从基因型到表型的探索,这是一种重大的逆转。在结直肠癌中,这一概念已有先例,其中微卫星不稳定性标志物与形态学变化密切相关,且一些检测被批准用于诊断。 2020年,几项重要的范式转变研究揭