亲子鉴定_基因检测_体外诊断IVD知识库-新纪元基因网

手机版

当前位置:首页 >  体外诊断 >  科技前沿

爆炸性消息!基因检测迎来划时代意义,振奋人心

更新时间:2023-08-03 15:23:38发布时间:24小时内人气:4作者: 会员上传

  现如今生命科学领域最火的技术之一便是基因编辑,基因编辑领域又属CRISPR系统应用最为广泛,《Nature》2017 年度人物均授予了 CRISPR 相关技术的突破,2020年CRISPR技术获得诺贝奖,短短不到十年时间CRISPR技术荣获最高学术荣誉,足以看出该技术的应用潜力。 基因编辑技术广泛应用于人、大鼠、小鼠、斑马鱼、果蝇、猪、水稻、小麦和拟南芥等动植物(细胞)以及细菌等微生物的基因组靶向改造,并已在功能基因组研究、疾病防治、动植物育种、动物疾病模型开发

  随着高通量生物技术的发展,已经开发了多种组学技术来表征不同但互补的生物信息,包括基因组学、单细胞、表观基因组学、转录组学、微生物组学和代谢组学等。

  近年来,癌症相关多组学技术的快速发展 一直是人工智能生物学

  分析探索新型抗癌靶点的最重要因素之一.将这些技术分为五个方面:表观遗传学、基因组学、蛋白质组学、代谢组学和多组学整合分析。

  人工智能整合多组学数据(例如表观遗传学、基因组学、蛋白质组学和代谢组学)以识别癌症治疗靶点。

  最近的人工智能技术已经从“浅层”学习架构发展到“深度”学习架构。作为人工智能的一个重要分支,机器学习(ML)可以自动学习捕捉复杂的模式,并根据数据做出智能决策。ML在癌症研究和临床肿瘤学中有着非常广泛的应用。特别是,在多组学数据快速增长的推动下,属于ML子领域的基于深度学习(DL)的方法已成为生物医学数据分析的强大工具。

  下面是近两年在顶刊发表的部分研究方向

  •   Nature Protocols | 基于机器学习和并行计算的代谢组学数据处理新方法
  •   Nature| 基于机器学习的血清代谢组学开发生物标志物用早期肺腺癌筛查
  •   ISME Comm|机器学习和深度学习在微生物组研究中的应用
  •   Nature Biotechnology自动化和机器学习的高通量微生物培养组学分离微生物组
  •   Cancer Cell | 基于多模态深度学习的泛癌组织学-基因组学整合分析
  •   Science Advances|利用深度学习发现癌症中的新基因突变
  •   Nature|肿瘤微环境的多组学机器学习预测乳腺癌治疗反应
  •   Nature|肺癌和转移瘤中的基因组-转录组进化
  •   Nature Machine Intelligence|单细胞数据分析的深度学习方法
  •   Nature Methods | 用深度多任务神经网络探索单细胞数据
  •   Nature:一种基于CRISPR/Cas9的非病毒精准基因组编辑临床级疗法

推荐阅读:

  遗传解读丨医生拿到遗传病基因检测报告怎么看?

  前列腺癌的基因检测

  儿童哮喘基因检测

标签:基因检测