「AI×科研」每日要聞彙總｜6月29日

ScienceAI發表於2021-06-29
AI
目錄：

  • 谷歌：機器學習改進基因組發現

  • 機器學習用於乳腺癌輔助治療

  • 奈米技術和AI可能是解決全球糧食安全挑戰的關鍵

  • 量子化學模擬預測和設計用於化學反應的單原子催化劑

  • 數學如何完成終極物理理論

谷歌：機器學習改進基因組發現

瞭解遺傳變異和性狀之間關係的一個關鍵方法是全基因組關聯研究 (GWAS)，GWAS需要準確的佇列表型分析，但專家標記可能成本高昂、耗時且多變。來自谷歌的工程師使用機器學習 (ML) 模型對醫學成像資料進行分類來改進 GWAS。研究發現的新關聯提高了多基因風險評分（PRS） 的準確性，並以青光眼為例，基於 ML 的 GWAS 結果顯著改善了獨立 EPIC-Norfolk 佇列中 VCDR 和原發性開角型青光眼的多基因預測。並在他們的Genomics Research GitHub repository 儲存庫中釋出了模型訓練程式碼和詳細文件以供使用。

圖片專家標記方法（左）和基於 ML 的方法（右）發現的具有統計意義的 GWAS 關聯的數量，中間有共享關聯
論文連結：https://www.cell.com/ajhg/fulltext/S0002-9297(21)00188-9#%20

相關報導：https://ai.googleblog.com/2021/06/improving-genomic-discovery-with.html

機器學習用於乳腺癌輔助治療
加州大學洛杉磯分校、牛津大學研究團隊使用自動化和可解釋的機器學習演算法開發乳腺癌預測和治療益處預測模型——Adjutorium——使用來自英國和美國國家癌症登記處的近 100 萬名女性的大規模佇列資料。與當前臨床使用的主要預後工具 (PREDICT v2.1) 相比，Adjutorium 準確性顯著提高。Adjutorium 作為基於網路的決策支援工具 (https://vanderschaar-lab.com/adjutorium/) ，用於幫助對早期乳腺癌女性的輔助治療做出決策，並且可供全球患者和臨床醫生公開訪問。
圖片Adjutorium與PREDICT v2.1的治療決策比較
論文連結：https://www.nature.com/articles/s42256-021-00353-8
奈米技術和AI可能是解決全球糧食安全挑戰的關鍵
聯合國 (UN) 估計，到 2030 年，將有 8.4 億人受到飢餓的影響。伯明翰大學研究人員表明，農民利用奈米技術和人工智慧 (AI) 實時響應作物生長變化的「精準農業」可以為威脅全球糧食安全的挑戰提供切實可行的解決方案。

論文連結：https://www.nature.com/articles/s41477-021-00946-6

相關報導：https://phys.org/news/2021-06-nanotech-ai-key-global-food.html

量子化學模擬預測和設計用於化學反應的單原子催化劑
塔夫茨大學、倫敦大學學院 (UCL)、劍橋大學和加利福尼亞大學聖塔芭芭拉分校的研究人員使用在超級計算機上執行的量子化學模擬來預測新催化劑的結構及其與某些化學物質的相互作用，並在實踐中證明了其生產丙烯的能力。這些改進有可能實現高效、「更綠色」、碳排放量更低的化學物質。

論文連結：https://science.sciencemag.org/content/372/6549/1444

相關報導：https://phys.org/news/2021-06-scientists-atom-catalysts-important-chemical.html

數學如何完成終極物理理論
即使在不完整的狀態下，量子場論（QFT）也是迄今為止發現的最成功的物理理論。著名架構師內森·塞伯格（Nathan Seiberg） 談論了 QFT 中的空白以及數學家如何填補。
圖片內森·塞伯格（Nathan Seiberg）
相關報導：https://www.quantamagazine.org/nathan-seiberg-on-how-math-might-reveal-quantum-gravity-20210624/

相關文章