基于深度學(xué)習(xí)的生命科學(xué)
李新葉 譯
出版時(shí)間:2020年06月
頁數(shù):228
深度學(xué)習(xí)在許多領(lǐng)域已經(jīng)取得了令人矚目的成就。而今,它正在整個(gè)科學(xué)界特別是生命科學(xué)界掀起波瀾。本書是一本注重實(shí)際操作的書,為開發(fā)者和科學(xué)研究者講述了如何在基因組學(xué)、化學(xué)、生物物理學(xué)、顯微鏡學(xué)、醫(yī)學(xué)分析及其他領(lǐng)域中應(yīng)用深度學(xué)習(xí)。
本書介紹了一些深度網(wǎng)絡(luò)原型,非常適合那些準(zhǔn)備將自己的技能應(yīng)用于諸如生物學(xué)、遺傳學(xué)和藥物發(fā)現(xiàn)等科學(xué)應(yīng)用的開發(fā)人員和科學(xué)家。你將跟隨設(shè)計(jì)一個(gè)將物理、化學(xué)、生物學(xué)和醫(yī)學(xué)聯(lián)系在一起的新療法問題的案例研究,該案例代表了科學(xué)研究中的一個(gè)最具挑戰(zhàn)性的問題。通過本書,你將學(xué)到:
● 學(xué)習(xí)在分子數(shù)據(jù)上執(zhí)行機(jī)器學(xué)習(xí)的基礎(chǔ)知識(shí) 。
● 理解為什么深度學(xué)習(xí)是研究遺傳學(xué)和基因組學(xué)的有力工具。
● 應(yīng)用深度學(xué)習(xí)理解生物物理系統(tǒng)。
● 通過DeepChem獲得機(jī)器學(xué)習(xí)的簡單認(rèn)識(shí) 。
● 使用深度學(xué)習(xí)分析顯微圖像。
● 使用深度學(xué)習(xí)技術(shù)分析醫(yī)學(xué)掃描圖像。
● 了解變分自編碼器和生成對(duì)抗網(wǎng)絡(luò)。
● 解釋你的模型在做什么以及它是如何工作的。
- 前言
- 第1章 為什么是生命科學(xué)?
- 為什么是深度學(xué)習(xí)?
- 當(dāng)代生命科學(xué)是關(guān)于數(shù)據(jù)的
- 你能學(xué)到什么?
- 第2章 深度學(xué)習(xí)概論
- 線性模型
- 多層感知器
- 訓(xùn)練模型
- 驗(yàn)證
- 正則化
- 超參數(shù)優(yōu)化
- 其他類型的模型
- 延伸閱讀
- 第3章 基于DeepChem的機(jī)器學(xué)習(xí)
- DeepChem數(shù)據(jù)集
- 訓(xùn)練一個(gè)預(yù)測(cè)分子毒性的模型
- 案例研究:訓(xùn)練MNIST模型
- softmax和SoftMaxCrossEntropy
- 結(jié)論
- 第4章 分子的機(jī)器學(xué)習(xí)
- 什么是分子?
- 分子的特征表示
- 圖卷積
- 訓(xùn)練一個(gè)模型來預(yù)測(cè)溶解度
- MoleculeNet
- 結(jié)論
- 第5章 生物物理的機(jī)器學(xué)習(xí)
- 蛋白質(zhì)結(jié)構(gòu)
- 不能用計(jì)算方法預(yù)測(cè)3D蛋白質(zhì)結(jié)構(gòu)嗎?
- 生物物理數(shù)據(jù)的特征化
- PDBBind案例研究
- 結(jié)論
- 第6章 基因組學(xué)的深度學(xué)習(xí)
- DNA、RNA和蛋白質(zhì)
- 現(xiàn)在是現(xiàn)實(shí)世界
- 轉(zhuǎn)錄因子的結(jié)合
- 染色質(zhì)可接近性
- RNA干擾
- 結(jié)論
- 第7章 顯微鏡檢查的機(jī)器學(xué)習(xí)
- 顯微學(xué)簡介
- 衍射極限
- 制備生物顯微鏡樣本
- 深度學(xué)習(xí)應(yīng)用
- 什么是細(xì)胞系?
- 結(jié)論
- 第8章 醫(yī)學(xué)領(lǐng)域的深度學(xué)習(xí)
- 計(jì)算機(jī)輔助診斷
- 貝葉斯網(wǎng)絡(luò)的概率診斷
- 電子健康記錄數(shù)據(jù)
- ICD-10編碼
- 那么無監(jiān)督學(xué)習(xí)呢?
- 用于放射學(xué)的深度學(xué)習(xí)
- 學(xué)習(xí)模型作為一種治療方法
- 結(jié)論
- 第9章 生成模型
- 變分自編碼
- 生成對(duì)抗網(wǎng)絡(luò)
- 生成模型在生命科學(xué)中的應(yīng)用
- 使用生成模型
- 結(jié)論
- 第10章 深層模型的解釋
- 解釋預(yù)測(cè)
- 優(yōu)化輸入
- 預(yù)測(cè)的不確定性
- 可解釋性、可擴(kuò)展性和實(shí)際后果
- 結(jié)論
- 第11章 虛擬篩選工作流示例
- 為預(yù)測(cè)建模準(zhǔn)備數(shù)據(jù)集
- 訓(xùn)練預(yù)測(cè)模型
- 為模型預(yù)測(cè)準(zhǔn)備數(shù)據(jù)集
- 應(yīng)用預(yù)測(cè)模型
- 結(jié)論
- 第12章 前景和展望
- 醫(yī)學(xué)診斷
- 個(gè)性化醫(yī)療
- 藥物研發(fā)
- 生物學(xué)研究
- 結(jié)論
書名:基于深度學(xué)習(xí)的生命科學(xué)
譯者:李新葉 譯
國內(nèi)出版社:中國電力出版社
出版時(shí)間:2020年06月
頁數(shù):228
書號(hào):978-7-5198-4594-0
原版書書名:Deep Learning for the Life Sciences
原版書出版商:O'Reilly Media
Bharath Ramsundar
Bharath Ramsundar是一家區(qū)塊鏈公司Datamined的聯(lián)合創(chuàng)始人和首席技術(shù)官,該公司支持構(gòu)建大型生物數(shù)據(jù)集。Datamined旨在構(gòu)建促進(jìn)生物技術(shù)人工智能持續(xù)繁榮所需的數(shù)據(jù)集。Bharath也是Deepchem.io的主要開發(fā)人員和創(chuàng)建者,Deepchem.io是一個(gè)基于TensorFlow的開放源代碼包,利用軟件包可使更多人將深度學(xué)習(xí)應(yīng)用到藥物發(fā)現(xiàn)中。Bharath同時(shí)也是Moleclenet基準(zhǔn)套件的共同創(chuàng)建者。
Bharath獲得了UC Berkeley的電氣工程與計(jì)算機(jī)科學(xué)以及數(shù)學(xué)專業(yè)的學(xué)士學(xué)位,并在數(shù)學(xué)專業(yè)畢業(yè)班上做告別致辭。他最近在Pande group集團(tuán)支持下在Stanford University(除論文外)完成了計(jì)算機(jī)科學(xué)博士學(xué)位,獲得了Hertz獎(jiǎng)學(xué)金,這是科學(xué)界篩選最嚴(yán)格的研究生獎(jiǎng)學(xué)金。
Peter Eastman
Peter Eastman在Stanford University生物工程系工作,為生物學(xué)家和化學(xué)家開發(fā)軟件。他是高性能分子動(dòng)力學(xué)模擬工具包OpenMM的主要作者,也是DeepChem的核心開發(fā)人員,DeepChem是一個(gè)用于化學(xué)、生物學(xué)和材料科學(xué)的深度學(xué)習(xí)軟件包。他自2000年以來一直是一名專業(yè)的軟件工程師,曾任生物信息學(xué)軟件公司Silicon Genetics的工程副總裁。Peter目前研究興趣主要集中在物理和深度學(xué)習(xí)之間的交叉研究。
Patrick Walters
Patrick Walters是馬薩諸塞州劍橋市Relay Therapeutics公司計(jì)算和信息學(xué)小組的組長。他的團(tuán)隊(duì)專注于計(jì)算方法的新應(yīng)用,這些方法整合了計(jì)算機(jī)模擬數(shù)據(jù)和實(shí)驗(yàn)數(shù)據(jù),以提供推動(dòng)藥物發(fā)現(xiàn)計(jì)劃的見解。在加入Relay公司之前,他在Vertex Pharmaceuticals工作了20多年,擔(dān)任建模和信息學(xué)(Modeling and Informatics)全球主管。
Pat是期刊《Journal of Medicinal Chemistry》編輯咨詢委員會(huì)的成員,曾在《Molecular Informatics》和《Letters in Drug Design & Discovery》擔(dān)任過類似的角色。此后,他繼續(xù)在科學(xué)界發(fā)揮積極作用。Pat是2017年戈登計(jì)算機(jī)輔助藥物設(shè)計(jì)會(huì)議(Gordon Conference on Computer-Aided Drug Design)的主席,并參與了許多社區(qū)驅(qū)動(dòng)的評(píng)估計(jì)算方法的工作,包括NIH資助的藥物設(shè)計(jì)數(shù)據(jù)資源(D3R)和美國化學(xué)學(xué)會(huì)的TDT倡議。Pat在University of Arizona獲得了有機(jī)化學(xué)博士學(xué)位,在那里他研究了人工智能在構(gòu)象分析中的應(yīng)用。在獲得博士學(xué)位之前,他曾在Varian Instruments公司擔(dān)任化學(xué)家和軟件開發(fā)人員。Pat曾在University of California, Santa Barbara獲得化學(xué)學(xué)士學(xué)位。
Vijay Pande
Vijay Pande博士是Andreessen Horowitz公司的合伙人,他帶領(lǐng)該公司投資生物學(xué)和計(jì)算機(jī)科學(xué)交叉領(lǐng)域,包括將計(jì)算、機(jī)器學(xué)習(xí)和人工智能應(yīng)用于生物學(xué)和醫(yī)療保健,以及對(duì)一些新的變革性科學(xué)進(jìn)展的應(yīng)用。他還是Stanford生物工程系的兼職教授,為開創(chuàng)性的計(jì)算方法及其在醫(yī)學(xué)和生物學(xué)中的應(yīng)用提供建議,發(fā)表了200多篇論文、2項(xiàng)專利和2種新型藥物治療。
作為一名企業(yè)家,Vijay是Folding@Home 分布式計(jì)算項(xiàng)目疾病研究的創(chuàng)始人,該項(xiàng)目推動(dòng)計(jì)算機(jī)科學(xué)技術(shù)(如分布式系統(tǒng)、機(jī)器學(xué)習(xí)和奇特的計(jì)算機(jī)體系結(jié)構(gòu))在生物學(xué)和醫(yī)學(xué)領(lǐng)域的發(fā)展和應(yīng)用,包括基礎(chǔ)研究和新療法的開發(fā)。他還共同創(chuàng)立了Globavir Biosciences公司,將他在Stanford和Folding@Home的研究成果轉(zhuǎn)化為一家成功的初創(chuàng)公司,發(fā)現(xiàn)了治療登革熱和埃博拉病毒的方法。在他十幾歲的時(shí)候,他是電玩初創(chuàng)公司淘氣狗軟件(Naughty Dog Software)公司的第一位員工,該公司是Crash Bandicoot的制造商。
本書的封面動(dòng)物是一種雄性索納拉特原雞(學(xué)名:Gallus Sonneratii),也被稱為灰原雞。物種命名為sonneratii是為了紀(jì)念法國博物學(xué)家和探險(xiǎn)家Pierre Sonnerat。索納拉特原雞原產(chǎn)于印度南部和西部,在1774年~1781年,索納拉特曾多次訪問這里?;以u的自然棲息地是森林下層和竹林,但它們可在多種環(huán)境中繁衍生息,包括森林、熱帶環(huán)境和平原。
大部分索納拉特原雞的羽毛有白色和棕色組成的美麗斑紋,其翅膀和尾巴頂端的黑色羽毛閃著藍(lán)色光澤。雄性和雌性灰原雞在許多方面有很大的不同。雄性灰原雞長約30英寸,雌性灰原雞長約15英寸;雄性灰原雞比雌性灰原雞羽毛顏色更明亮,有著光滑的尾巴、金色斑點(diǎn),還有紅色的雞冠、腿和肉垂。雌性灰原雞的腿是黃色的,羽毛是暗褐色的。
小雞們出生后的顏色從淺棕色到米色不等。母雞通常在2月~5月期間產(chǎn)卵,一般產(chǎn)卵4~7個(gè)。它們把卵產(chǎn)在地上鋪有草和樹枝的巢中,在沒有公雞幫助的情況下獨(dú)自孵化。
索納拉特原雞是家養(yǎng)雞的祖先。它們可以與普通雞和紅色的原雞(都屬Gallus gallus)交配,生出多種雜交品種。家養(yǎng)時(shí),應(yīng)該把它們安置在堅(jiān)固的墻壁周圍,因?yàn)樗鼈円资艿襟@嚇。它們的棕色和白色斑點(diǎn)羽毛常被漁民用來捕蠅。
O’Reilly書籍封面的許多動(dòng)物都是瀕危動(dòng)物,它們都是世界上重要的動(dòng)物。想了解更多關(guān)于怎樣幫助瀕危動(dòng)物的知識(shí),請(qǐng)?jiān)L問animals.oreilly.com網(wǎng)站。
封面插圖來自Karen Montgomery,基于Wood’s Illustrated Natural History中的一個(gè)黑白雕刻。