赵秀举,41*3915,dzrdez@163.com
中国蛋白质组学有大工程/大设施(凤凰工程和慧眼设施),生物信息学赋能显著(生物大数据与人工智能、生物信息学和生信人主持的青年科学家三个专场)。是代谢组学(不考虑表型组学)的参照。
蛋白质组学和代谢组学相互关注,和远缘的顶尖人工智能合作(生物信息学、计算生物学算近缘),进行生物数据信息智能融合,运用荟萃分析、群体学习和政策立法等切实解决数据共享不足(主要是样本和时间点)的问题,构建生物数据生态系统。
群体学习,采用对等网络和区块链,数据和模型都在本地,只交换模型参数(准确性、灵敏度、特异性、F1分数、AUROC),安全共享。德国人发表于6月《自然》,群体学习的参数不弱于组成它的最优模型。
第三代人工智能中的图计算和图数据库,框架有数据、引擎、服务、接口、应用共五层,具备实时高并发、动态剪枝、低延迟、可解释、可扩展、迁移快速泛化等特征。代表有Neo4j(国际)和Ultipa(国内)。
生物数据学,融合生物信息学(侧重变量)、生物统计学(样本推断总体)、流行病学(侧重样本和时点)和数据学/人工智能(共归一化、群体学习和图数据库),以生物时空多样性为对象,以安全发育健康营养为内容和目标;可能引领人群数据全流程和生态系统。
一家之言,欢迎讨论。
https://blog.sciencenet.cn/blog-392245-1308288.html
上一篇:
第二届代谢组学年会有感下一篇:
数据分析模型评估