Национальный цифровой ресурс Руконт - межотраслевая электронная библиотека (ЭБС) на базе технологии Контекстум (всего произведений: 595394)
Консорциум Контекстум Информационная технология сбора цифрового контента
Уважаемые СТУДЕНТЫ и СОТРУДНИКИ ВУЗов, использующие нашу ЭБС. Рекомендуем использовать новую версию сайта.

Глубокое обучение в биологии и медицине (1500,00 руб.)

0   0
Первый авторРамсундар
АвторыПанде В.
ИздательствоМ.: ДМК Пресс
Страниц202
ID794832
АннотацияГлубокое обучение добилось впечатляющих успехов во многих отраслях. Сейчас оно все глубже проникает в прикладные научные исследования, в частности в биологию и смежные дисциплины. Эта книга рассказывает о применении глубокого обучения в геномике, химии, биофизике, микроскопии, медицине и других направлениях современных исследований всего, что связано с живыми организмами. Представленные в книге стандартные архитектуры глубоких сетей идеально подходят для программистов-разработчиков и ученых, работающих над созданием новых лекарств или ведущих исследования в области биологии и генетики. Книга содержит множество практических примеров, включая полный цикл поиска нового лекарства — одну из самых сложных научно-прикладных задач на стыке физики, химии, биологии и медицины. Издание будет полезно широкому кругу специалистов, связанных с анализом данных в химии, биологии и медицине, а также разработчикам программного обеспечения для них и студентам вузов.
ISBN978-5-97060-791-6
УДК4.891
ББК32.972.13
Рамсундар, Б. Глубокое обучение в биологии и медицине / В. Панде; Б. Рамсундар .— Москва : ДМК Пресс, 2020 .— 202 с. — ISBN 978-5-97060-791-6 .— URL: https://rucont.ru/efd/794832 (дата обращения: 26.09.2022)

Предпросмотр (выдержки из произведения)

Глубокое_обучение_в_биологии_и_медицине.pdf
УДК 004.891 ББК 32.972.13 Р21 Р21 Глубокое обучение в биологии и медицине / пер. с анг. В. С. Яценкова. – М.: ДМК Пресс, 2020. – 200 с.: ил. Рамсундар Б., Истман П., Уолтерс П., Панде В. ISBN 978-5-97060-791-6 Глубокое обучение добилось впечатляющих успехов во многих отраслях. Сейчас оно все глубже проникает в прикладные научные исследования, в частности биологию и смежные дисциплины. Эта книга рассказывает о применении глубокого обучения в геномике, химии, биофизике, микроскопии, медицине и других направлениях современных исследований всего, что связано с живыми организмами. Издание будет полезно широкому кругу специалистов, связанных с анализом данных в химии, биологии и медицине, а также разработчикам ПО для них и студентам вузов. УДК 004.891 ББК.32.972.13 Original English language edition published by O’Reilly Media, Inc., 1005 Gravenstein Highway Все права защищены. Любая часть этой книги не может быть воспроизведена в какой North, Sebastopol, CA 95472. Copyright © 2019 Bharath Ramsundar, Peter Eastman, Patrick Walters, and Vijay Pande. Russian-language edition copyright © 2020 by DMK Press. All rights reserved. бы то ни было форме и какими бы то ни было средствами без письменного разрешения владельцев авторских прав. ISBN 978-1-492-03983-9 (анг.) ISBN 978-5-97060-791-6 (рус.) Copyright © 2019 Bharath Ramsundar, Peter Eastman, Patrick Walters, and Vijay Pande © Оформление, издание, перевод, ДМК Пресс, 2020
Стр.5
Содержание Предисловие .............................................................................................................8 Об авторах ...............................................................................................................11 Глава 1. Глубокое обучение и науки о жизни .................................................13 Почему все говорят о глубоком обучении? ..............................................................13 Современные науки о жизни – это науки о данных ...............................................14 О чем эта книга? ........................................................................................................15 Глава 2. Введение в глубокое обучение ...........................................................19 Линейные модели ......................................................................................................20 Многослойные персептроны ....................................................................................21 Обучение модели .......................................................................................................24 Проверка модели .......................................................................................................26 Регуляризация ............................................................................................................27 Оптимизация гиперпараметров...............................................................................28 Другие типы моделей ................................................................................................29 Сверточные нейронные сети ................................................................................30 Рекуррентные нейронные сети ............................................................................31 Дополнительное чтение ............................................................................................32 Глава 3. Машинное обучение с DeepChem ......................................................33 Наборы данных DeepChem ........................................................................................34 Обучение модели для предсказания токсичности молекул ...................................35 Пример: обучение модели MNIST ............................................................................42 Набор данных распознавания цифр MNIST ........................................................42 Сверточная архитектура для набора MNIST ........................................................43 Заключение ................................................................................................................47 Глава 4. Машинное обучение и молекулы.......................................................48 Что такое молекула? ..................................................................................................48 Что такое внутримолекулярные связи? ...................................................................50 Ковалентные связи ................................................................................................51 Нековалентные связи ............................................................................................51 Молекулярные графы ................................................................................................52 Конформации молекулы ...........................................................................................53 Хиральность молекул ............................................................................................54 Фичеризация молекулы ........................................................................................55 Строки SMILES и пакет RDKit ...............................................................................55 Расширенные отпечатки связей ...........................................................................56 Молекулярные дескрипторы ....................................................................................57 Графовые свертки ......................................................................................................57
Стр.6
6  Содержание Обучение модели для прогнозирования растворимости .......................................58 MoleculeNet ................................................................................................................60 Строки SMARTS ..........................................................................................................60 Заключение ................................................................................................................63 Глава 5. Глубокое обучение и биофизика ........................................................64 Белковые структуры ..................................................................................................65 Белковые последовательности .............................................................................67 Общие принципы связывания с белками ............................................................70 Биофизическая фичеризация ...................................................................................71 Координатная фичеризация .................................................................................71 Атомная фичеризация ..........................................................................................76 Пример использования PDBBind ..............................................................................76 PDBBind Dataset .....................................................................................................76 Представление набора данных PDBBind ..............................................................79 Заключение ................................................................................................................82 Глава 6. Глубокое обучение и геномика ...........................................................85 ДНК, РНК и белки .......................................................................................................85 Реальное положение дел ...........................................................................................87 Сайты связывания и факторы транскрипции .........................................................90 Сверточная модель связывания TF ......................................................................90 Доступность хроматина ............................................................................................93 РНК-интерференция .................................................................................................95 Заключение ................................................................................................................98 Глава 7. Машинное обучение и микроскопия .................................................99 Краткое введение в микроскопию .........................................................................101 Современная оптическая микроскопия ............................................................102 Дифракционный предел .........................................................................................104 Электронная и атомно-силовая микроскопия ..................................................105 Микроскопия сверхвысокого разрешения ........................................................107 Глубокое обучение и дифракционный предел ..................................................109 Подготовка биологических препаратов для микроскопии ..................................109 Окрашивание .......................................................................................................109 Фиксация препаратов .........................................................................................110 Секционирование препаратов ...........................................................................111 Флуоресцентная микроскопия ...........................................................................111 Артефакты пробоподготовки .............................................................................113 Применение глубокого обучения в микроскопии .................................................114 Подсчет клеток .....................................................................................................114 Клеточная сегментация ......................................................................................117 Вычислительные анализы...................................................................................121 Заключение ..............................................................................................................121 Глава 8. Глубокое обучение в медицине ........................................................123 Компьютерная диагностика ....................................................................................123 Вероятностные диагнозы с байесовскими сетями ................................................124
Стр.7
Содержание  7 Данные электронных медицинских карт ..............................................................126 В чем опасность больших баз данных ЭМК пациентов?...................................128 Глубокая радиология ...............................................................................................129 Рентгенография и компьютерная томография .................................................131 Гистология ............................................................................................................133 Магниторезонансная томография .....................................................................133 Модель глубокого обучения в качестве лечебного средства ................................134 Диабетическая ретинопатия...................................................................................135 Перспективы глубокого обучения в медицине .....................................................139 Этические соображения ......................................................................................139 Потеря работы .....................................................................................................140 Заключение ..............................................................................................................140 Глава 9. Генеративные модели .........................................................................141 Вариационные автоэнкодеры .................................................................................141 Генеративные состязательные сети .......................................................................143 Применение генеративных моделей в науках о жизни ........................................144 Генерация новых идей для соединений-прототипов .......................................144 Разработка белков ...............................................................................................145 Инструменты для научного поиска ....................................................................145 Будущее генеративного моделирования ...........................................................146 Работа с генеративными моделями .......................................................................146 Анализ вывода генеративной модели ...............................................................148 Заключение ..............................................................................................................151 Глава 10. Интерпретация глубоких моделей ................................................154 Как объяснить предсказания? ................................................................................154 Оптимизация входов ...............................................................................................158 Прогнозирование неопределенности ....................................................................161 Интерпретируемость, объяснимость и последствия для реального мира ..........165 Заключение ..............................................................................................................165 Глава 11. Практический пример виртуального скрининга ........................166 Подготовка набора данных для прогнозного моделирования .............................167 Обучение прогностической модели .......................................................................172 Подготовка набора данных для прогнозирования................................................177 Применение прогностической модели ..................................................................180 Заключение ..............................................................................................................186 Глава 12. Ожидания и перспективы ................................................................188 Медицинская диагностика ......................................................................................188 Персонализированная медицина ...........................................................................190 Фармацевтические исследования ..........................................................................191 Биологические исследования .................................................................................193 Заключение ..............................................................................................................194 Колофон ..................................................................................................................195 Предметный указатель .......................................................................................196
Стр.8

Облако ключевых слов *


* - вычисляется автоматически