中国基因网

中国基因网您的位置：首页 >医学 >

微生物学符合机器学习

2019-05-08 08:52:56 • 来源：

叫神经omputational系统的网络，基于生物的学习过程的大脑，使有帮助研究人员解释生物和医学影像的潜力机器学习的一种形式。研究病原体如何与宿主细胞相互作用的科学家现在开始利用这种技术。

微生物学符合机器学习

“[病原体 - 宿主相互作用]领域的大多数人只是手动计数 - 确切地坐在那里并评估每个细胞有多少[寄生虫]，其中一个空泡中有多少”，等等，弗朗西斯的寄生虫学家伊娃弗里克尔说伦敦克里克研究所。“我的学生们正在减少数小时，数小时和数周来计算这些事件。”

神经网络用于各种图像处理任务，例如人脸识别，诊断和自动驾驶汽车，因此Frickel认为这样的系统可能会为她的团队问题提供解决方案。她与医学研究委员会分子细胞生物学实验室的计算生物学家Artur Yakimovich合作，制造了一种类似人类的宿主病原体分析仪。

Yakimovich，Frickel和他的同事们开始使用现有的基于开源神经网络的分析平台KNIME(Konstanz Information Miner)，并调整其算法来处理宿主细胞及其病原体的图像。该系统需要数千个示例图像的培训，一旦它启动并运行，该团队给系统命名：HRMAn，发音为Herman，用于主机响应微生物分析。

他们使用该软件分析了各种人类细胞系中的弓形虫和肠道沙门氏菌感染。Frickel说，其他高通量图像分析软件可能能够识别哪些细胞含有病原体，但HRMAn能够同时识别病原体和宿主细胞的多种视觉特征并检测图像中的模式。

事实上，研究小组证明了HRMAn可以同时识别病原体杀灭，复制和各种细胞防御过程 - 就像训练有素的科学家一样，但计算机具有更高的吞吐量和更高的统计强度，并且不需要茶歇和睡眠。

“这是一种超越我们人类处理和解释图像数据的能力的工具，”苏黎世大学的寄生虫学家Adrian Hehl说，他没有参与这项研究

郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如有侵权行为，请第一时间联系我们修改或删除，多谢。

推荐内容