Практическое применение искусственного интеллекта в биомедицинских исследованиях
В этом подкасте вы узнаете о возможностях применения ИИ в биомедицинских исследованиях. Мы поговорили с выпускницей 4-го потока MSU.AI, аспирантом факультета фундаментальной медицины МГУ Елизаветой Чечёхиной о том, как молодому учёному с базовыми знаниями программирования удалось достичь результатов по интеграции ИИ в исследование, опубликовать ряд научных статей и разработать собственные модели, которые помогают облегчить труд учёных-биологов и будут полезны для врачей. 00:00 Заставка 00:35 Чему было посвящено исследование и как в нём применили ИИ 02:16 Опыт поступления на курс MSU.AI и планы на научную работу 07:03 Применение ИИ в научном исследовании: ожидание и реальность 11:39 Внедрение ИИ в работу лаборатории: новые проекты и научные публикации 21:31 Как ИИ может облегчить труд врачей и помочь в выявлении заболеваний на ранних стадиях 21:53 Рекомендации молодым учёным от выпускницы MSU.AI 26:37 ИИ и наука будущего Ссылки на статьи Елизаветы опубликованы на нашем сайте в разделе "База знаний": https://msu.ai/articles#!/tab/872255920-4 Ссылка на работу по сегментации изображений клеток: https://doi.org/10.3390/ijms26052338 Документация инструмента scParadise: https://scparadise.readthedocs.io/en/latest/api/index.html Открытый репозиторий scParadise на GitHub: https://github.com/Chechekhins/scParadise Отметим, что пакет scParadise — это современный высокоточный инструмент на Python для автоматической аннотации клеточных типов и предсказания экспрессии поверхностных белков-маркеров в данных РНК-секвенирования одиночных клеток (scRNAseq). В пакет входят два ключевых типа моделей: Линейка scAdam - модели для автоматической аннотации клеточных типов с точностью до 99%, способные классифицировать клетки на 3-5 уровнях детализации (например, T-клетка → CD8+ T-клетка → CD8+ эффекторная T-клетка памяти). Модели обучены для более чем 30 различных тканей, включая лёгкое, периферическую кровь, костный мозг и сетчатку глаза человека. Линейка scEve - модели для предсказания экспрессии поверхностных белков-маркеров на основе данных scRNAseq, что помогает более точно определить функциональное состояние клеток и улучшить качество анализа. Объединение этих моделей в пакет scParadise позволило значительно ускорить и упростить анализ сложных биомедицинских данных секвенирования одиночных клеток, снижая требования к экспертным знаниям и вычислительным мощностям, сохраняя при этом высокую точность получаемых результатов. Благодарим Некоммерческий Фонд развития науки и образования «Интеллект» за поддержку курса "Нейронные сети и их применение в научных исследованиях", а также за съёмку этого видео. Сайт: https://msu.ai VK: https://vk.com/msu_ai Telegram: https://t.me/msu_ai_channel RUTUBE: https://rutube.ru/channel/41484206/ #МГУ #искусственный_интеллект #нейронные_сети #neural_networks #science #наука #научные_исследования #нейронные_сети_в_науке #как_применять_нейронные_сети #курс_для_студентов_МГУ #наука_и_исследования
В этом подкасте вы узнаете о возможностях применения ИИ в биомедицинских исследованиях. Мы поговорили с выпускницей 4-го потока MSU.AI, аспирантом факультета фундаментальной медицины МГУ Елизаветой Чечёхиной о том, как молодому учёному с базовыми знаниями программирования удалось достичь результатов по интеграции ИИ в исследование, опубликовать ряд научных статей и разработать собственные модели, которые помогают облегчить труд учёных-биологов и будут полезны для врачей. 00:00 Заставка 00:35 Чему было посвящено исследование и как в нём применили ИИ 02:16 Опыт поступления на курс MSU.AI и планы на научную работу 07:03 Применение ИИ в научном исследовании: ожидание и реальность 11:39 Внедрение ИИ в работу лаборатории: новые проекты и научные публикации 21:31 Как ИИ может облегчить труд врачей и помочь в выявлении заболеваний на ранних стадиях 21:53 Рекомендации молодым учёным от выпускницы MSU.AI 26:37 ИИ и наука будущего Ссылки на статьи Елизаветы опубликованы на нашем сайте в разделе "База знаний": https://msu.ai/articles#!/tab/872255920-4 Ссылка на работу по сегментации изображений клеток: https://doi.org/10.3390/ijms26052338 Документация инструмента scParadise: https://scparadise.readthedocs.io/en/latest/api/index.html Открытый репозиторий scParadise на GitHub: https://github.com/Chechekhins/scParadise Отметим, что пакет scParadise — это современный высокоточный инструмент на Python для автоматической аннотации клеточных типов и предсказания экспрессии поверхностных белков-маркеров в данных РНК-секвенирования одиночных клеток (scRNAseq). В пакет входят два ключевых типа моделей: Линейка scAdam - модели для автоматической аннотации клеточных типов с точностью до 99%, способные классифицировать клетки на 3-5 уровнях детализации (например, T-клетка → CD8+ T-клетка → CD8+ эффекторная T-клетка памяти). Модели обучены для более чем 30 различных тканей, включая лёгкое, периферическую кровь, костный мозг и сетчатку глаза человека. Линейка scEve - модели для предсказания экспрессии поверхностных белков-маркеров на основе данных scRNAseq, что помогает более точно определить функциональное состояние клеток и улучшить качество анализа. Объединение этих моделей в пакет scParadise позволило значительно ускорить и упростить анализ сложных биомедицинских данных секвенирования одиночных клеток, снижая требования к экспертным знаниям и вычислительным мощностям, сохраняя при этом высокую точность получаемых результатов. Благодарим Некоммерческий Фонд развития науки и образования «Интеллект» за поддержку курса "Нейронные сети и их применение в научных исследованиях", а также за съёмку этого видео. Сайт: https://msu.ai VK: https://vk.com/msu_ai Telegram: https://t.me/msu_ai_channel RUTUBE: https://rutube.ru/channel/41484206/ #МГУ #искусственный_интеллект #нейронные_сети #neural_networks #science #наука #научные_исследования #нейронные_сети_в_науке #как_применять_нейронные_сети #курс_для_студентов_МГУ #наука_и_исследования