Next-Generation Machine Learning for Biological Networks

生物 机器学习 人工智能 生物网络 药物发现 系统生物学 生物学数据 交叉口(航空) 深度学习 微生物群 计算机科学 数据科学 计算生物学 生物信息学 工程类 航空航天工程
作者
Diogo M. Camacho,Katherine M. Collins,Rani K. Powers,James C. Costello,James J. Collins
出处
期刊:Cell [Elsevier]
卷期号:173 (7): 1581-1592 被引量:617
标识
DOI:10.1016/j.cell.2018.05.015
摘要

Machine learning, a collection of data-analytical techniques aimed at building predictive models from multi-dimensional datasets, is becoming integral to modern biological research. By enabling one to generate models that learn from large datasets and make predictions on likely outcomes, machine learning can be used to study complex cellular systems such as biological networks. Here, we provide a primer on machine learning for life scientists, including an introduction to deep learning. We discuss opportunities and challenges at the intersection of machine learning and network biology, which could impact disease biology, drug discovery, microbiome research, and synthetic biology. Machine learning, a collection of data-analytical techniques aimed at building predictive models from multi-dimensional datasets, is becoming integral to modern biological research. By enabling one to generate models that learn from large datasets and make predictions on likely outcomes, machine learning can be used to study complex cellular systems such as biological networks. Here, we provide a primer on machine learning for life scientists, including an introduction to deep learning. We discuss opportunities and challenges at the intersection of machine learning and network biology, which could impact disease biology, drug discovery, microbiome research, and synthetic biology.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
ZXT完成签到,获得积分10
刚刚
刚刚
Li chun sheng完成签到,获得积分10
刚刚
独特的豌豆完成签到,获得积分10
刚刚
黄濑完成签到 ,获得积分10
1秒前
???完成签到,获得积分10
2秒前
Skywalker完成签到,获得积分10
2秒前
NIM-ZHAO完成签到,获得积分10
2秒前
彭于晏应助Ha哈采纳,获得30
3秒前
3秒前
3秒前
小王子发布了新的文献求助20
4秒前
流光完成签到 ,获得积分10
4秒前
DUAN完成签到,获得积分10
4秒前
4秒前
饱满破茧完成签到,获得积分10
4秒前
陶醉芷云完成签到,获得积分10
5秒前
聪慧的正豪完成签到,获得积分10
5秒前
6秒前
庸人自扰发布了新的文献求助10
6秒前
Tethys完成签到 ,获得积分10
7秒前
MissLi完成签到,获得积分10
7秒前
那英东完成签到 ,获得积分10
7秒前
于忠波发布了新的文献求助10
7秒前
心灵美的修洁完成签到 ,获得积分10
8秒前
diipgzfh发布了新的文献求助10
9秒前
伤感刘能完成签到 ,获得积分20
9秒前
CodeCraft应助yongzaizhuigan采纳,获得10
10秒前
墨冰完成签到 ,获得积分10
10秒前
好旺完成签到,获得积分10
11秒前
热心的银耳汤完成签到,获得积分10
11秒前
今后应助256采纳,获得10
11秒前
科研猫完成签到,获得积分10
11秒前
13秒前
13秒前
ssx完成签到,获得积分10
13秒前
小朱完成签到,获得积分10
13秒前
长情的猕猴桃完成签到,获得积分10
15秒前
杀出个黎明举报可爱的你求助涉嫌违规
15秒前
隐形白亦完成签到,获得积分10
15秒前
高分求助中
Manual of Clinical Microbiology, 4 Volume Set (ASM Books) 13th Edition 1000
Cross-Cultural Psychology: Critical Thinking and Contemporary Applications (8th edition) 800
Counseling With Immigrants, Refugees, and Their Families From Social Justice Perspectives pages 800
We shall sing for the fatherland 500
Chinese-English Translation Lexicon Version 3.0 500
Electronic Structure Calculations and Structure-Property Relationships on Aromatic Nitro Compounds 500
マンネンタケ科植物由来メロテルペノイド類の網羅的全合成/Collective Synthesis of Meroterpenoids Derived from Ganoderma Family 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 有机化学 工程类 生物化学 纳米技术 物理 内科学 计算机科学 化学工程 复合材料 遗传学 基因 物理化学 催化作用 电极 光电子学 量子力学
热门帖子
关注 科研通微信公众号,转发送积分 2377908
求助须知:如何正确求助?哪些是违规求助? 2085276
关于积分的说明 5232011
捐赠科研通 1812435
什么是DOI,文献DOI怎么找? 904395
版权声明 558574
科研通“疑难数据库(出版商)”最低求助积分说明 482820