生物公司利用機器學習找到冠狀病毒的治療方法
《華爾街日報》報道，制藥業(yè)巨頭禮來制藥已經(jīng)與加拿大生物技術(shù)公司AbCellera Biologics合作，通過開發(fā)可治療和預防該病毒的抗體產(chǎn)品來應對新的冠狀病毒危機。
AbCellera使用機器學習來找到抗體療法，并在二月份從診斷為COVID-19的患者那里獲得了血液樣本。通過篩選超過500萬個免疫細胞并使用機器學習來識別可產(chǎn)生中和COVID-19的抗體，AbCellera在不到一周的時間內(nèi)識別出500多種有希望的抗體。
AbCellera只是利用人工智能和機器學習來應對流行病并找到急需的解決方案的眾多公司之一。
聲明：本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點僅代表作者本人，不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學習之用，如有內(nèi)容侵權(quán)或者其他違規(guī)問題，請聯(lián)系本站處理。
舉報投訴
-
機器學習
+關(guān)注
關(guān)注
66文章
8487瀏覽量
133977 -
COVID-19
+關(guān)注
關(guān)注
0文章
226瀏覽量
10744
發(fā)布評論請先 登錄
相關(guān)推薦
熱點推薦
【「具身智能機器人系統(tǒng)」閱讀體驗】2.具身智能機器人的基礎(chǔ)模塊
，一次生成深度信息。
自主機器人定位任務的本質(zhì)是對機器人自身狀態(tài)的估計問題，包括位置，朝向，速度等問題。
路徑規(guī)劃旨在找到從起點到目標區(qū)域的路徑，確保路徑的可行性和最優(yōu)性。路徑規(guī)劃方法
發(fā)表于 01-04 19:22
傳統(tǒng)機器學習方法和應用指導
用于開發(fā)生物學數(shù)據(jù)的機器學習方法。盡管深度學習（一般指神經(jīng)網(wǎng)絡(luò)算法）是一個強大的工具，目前也非常流行，但它的應用領(lǐng)域仍然有限。與深度學習相比
《具身智能機器人系統(tǒng)》第7-9章閱讀心得之具身智能機器人與大模型
醫(yī)療領(lǐng)域，手術(shù)輔助機器人需要毫米級的精確控制，書中有介紹基于視覺伺服的實時控制算法，以及如何利用大模型優(yōu)化手術(shù)路徑規(guī)劃。工業(yè)場景中，協(xié)作機器人面臨的主要挑戰(zhàn)是快速適應新工藝流程。具身智能通過在線
發(fā)表于 12-24 15:03
低頻脈沖電治療儀的工作原理 低頻脈沖電治療儀和其他理療儀器的區(qū)別
、低頻脈沖電治療儀的工作原理 電脈沖刺激機制 低頻脈沖電治療儀通過輸出特定頻率和強度的電脈沖，刺激人體的神經(jīng)和肌肉。這些電脈沖可以模擬人體自然的生物電信號，從而引發(fā)相應的生理反應。低頻電脈沖通常指的是頻率在
什么是機器學習？通過機器學習方法能解決哪些問題？
來源：Master編程樹“機器學習”最初的研究動機是讓計算機系統(tǒng)具有人的學習能力以便實現(xiàn)人工智能。因為沒有學習能力的系統(tǒng)很難被認為是具有智能的。目前被廣泛采用的
【《時間序列與機器學習》閱讀體驗】+ 時間序列的信息提取
本人有些機器學習的基礎(chǔ)，理解起來一點也不輕松，加油。
作者首先說明了時間序列的信息提取是時間序列分析的一個重要環(huán)節(jié)，目標是從給定的時間序列數(shù)據(jù)中提取出有用的信息和特征，以支持后續(xù)的分析和預測任務，可以利用
發(fā)表于 08-14 18:00
【《時間序列與機器學習》閱讀體驗】+ 了解時間序列
。
可以探索現(xiàn)象發(fā)展變化的規(guī)律，對某些社會經(jīng)濟現(xiàn)象進行預測。
利用時間序列可以在不同地區(qū)或國家之間進行對比分析，這也是統(tǒng)計分析的重要方法之一。
而《時間序列與機器學習》一書的后幾章分別
發(fā)表于 08-11 17:55
光譜治療儀的作用和功能
光譜治療儀是一種利用特定波長的光譜進行生物組織治療的醫(yī)療設(shè)備。它通過發(fā)射特定波長的光，可以對人體的組織細胞產(chǎn)生一定的生物效應，從而達到
新型材料在生物檢測方面的應用和前景
隨著醫(yī)學科學的發(fā)展，對于生物分子、病原體、細胞等生物檢測的需求越來越高。生物檢測技術(shù)可以用于診斷、治療、監(jiān)測、預防等各個領(lǐng)域。然而，傳統(tǒng)的生物
機器學習中的數(shù)據(jù)分割方法
在機器學習中，數(shù)據(jù)分割是一項至關(guān)重要的任務，它直接影響到模型的訓練效果、泛化能力以及最終的性能評估。本文將從多個方面詳細探討機器學習中數(shù)據(jù)分割的方法
機器學習中的交叉驗證方法
在機器學習中，交叉驗證（Cross-Validation）是一種重要的評估方法，它通過將數(shù)據(jù)集分割成多個部分來評估模型的性能，從而避免過擬合或欠擬合問題，并幫助選擇最優(yōu)的超參數(shù)。本文將詳細探討幾種
如何理解機器學習中的訓練集、驗證集和測試集
理解機器學習中的訓練集、驗證集和測試集，是掌握機器學習核心概念和流程的重要一步。這三者不僅構(gòu)成了模型學習與評估的基礎(chǔ)框架，還直接關(guān)系到模型性
深度學習中的時間序列分類方法
時間序列分類（Time Series Classification, TSC）是機器學習和深度學習領(lǐng)域的重要任務之一，廣泛應用于人體活動識別、系統(tǒng)監(jiān)測、金融預測、醫(yī)療診斷等多個領(lǐng)域。隨著深度學
遷移學習的基本概念和實現(xiàn)方法
遷移學習（Transfer Learning）是機器學習領(lǐng)域中的一個重要概念，其核心思想是利用在一個任務或領(lǐng)域中學到的知識來加速或改進另一個相關(guān)任務或領(lǐng)域的
深度學習與傳統(tǒng)機器學習的對比
在人工智能的浪潮中，機器學習和深度學習無疑是兩大核心驅(qū)動力。它們各自以其獨特的方式推動著技術(shù)的進步，為眾多領(lǐng)域帶來了革命性的變化。然而，盡管它們都屬于機器
工商網(wǎng)監(jiān)
評論