知识卡片
数据与计算形成共同底座
生物序列、医学影像和显微观察的积累,只有配合能存储、训练和分析这些数据的计算能力,才可能变成可研究的问题。云计算提供可扩展资源,机器学习用于寻找模式,基因与细胞工具再把部分假说转成可检验对象。三者相互提供条件,但数据变多或模型变强并不单独证明治疗有效。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
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
- 前言 两类技术怎样汇合为新的发现工具 · 查看原书依据
DNA(脱氧核糖核酸)测序、医疗影像与高分辨率显微镜领域的数据正在呈爆炸式增长,并为人工智能与机器学习技术提供绝佳的机会。这让我们可以借助这些技术挖掘海量数据背后的生物学意义。在这样的趋势下,第一代以科技为核心的初创公司应运而生,开启了人工智能和生物技术融合的时代。这些年轻的公司瞄准了传统的药物开发
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)》前言,两类技术怎样汇合为新的发现工具(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/Section01.xhtml)
- 结论依据:原文把生物数据增长、AI挖掘生物意义及以科技为核心的公司连在一起,支持共同底座的解释;疗效仍是后续验证对象。
- 原始内容:DNA(脱氧核糖核酸)测序、医疗影像与高分辨率显微镜领域的数据正在呈爆炸式增长,并为人工智能与机器学习技术提供绝佳的机会。这让我们可以借助这些技术挖掘海量数据背后的生物学意义。在这样的趋势下,第一代以科技为核心的初创公司应运而生,开启了人工智能和生物技术融合的时代。这些年轻的公司瞄准了传统的药物开发