Les dernières avances dans l'AI pour le vieillissement et la recherche de longévité

Le médicament d'Insilico, un des chefs dans l'artificial intelligence pour la découverte de médicaments, développement de biomarqueur, recherche en matière digitale de médicament, et de vieillissement a annoncé aujourd'hui la publication de son papier récent intitulé « artificial intelligence pour le vieillissement et la recherche de longévité : Progrès récents et points de vue » dans les révisions vieillissantes de recherches, un des tourillons les plus à haute impression dans le domaine. Le papier introduit des progrès récents en apprenant profondément pour la recherche vieillissante et fournit l'analyse juste dans l'inducteur.

L'émergence de l'industrie de biotechnologie de longévité a porté on les compagnies biotechnologiques et de pharma et les institutions de recherche universitaire à l'horizontal de longévité, et maintenant une des tendances principales accélérant l'inducteur est des progrès récents dans l'artificial intelligence.

Le « médicament d'Insilico est consacré à étendre la longévité humaine. Nous avons proposé plusieurs réalisations très importantes. D'abord, l'âge est l'une des caractéristiques biologiques les plus abondantes, et quand votre caractéristique ressemble au fromage suisse, âge est présent. En second lieu, profondément apprenant (DL) l'âge les facteurs prédictifs sont un grand moyen d'intégrer les types de caractéristiques précédemment incompatibles, tels que des vidéos et des résultats de la prise de sang. Troisièmement, le rétablissement des caractéristiques biologiques neuves utilisant les réseaux antagonistes génératifs (GANs), avec l'âge comme état de rétablissement, est un grand moyen de produire les caractéristiques synthétiques de haute qualité. En outre, il est possible de voir le vieillissement comme maladie stationnée pour obtenir une vue holistique du procédé biologique au tissu-détail et aux niveaux systémiques, qui rend les réseaux neuronaux profonds (DNNs) plus interprétables, les graphiques causaux de constructions, et recense les objectifs biologiques. D'ailleurs, il est possible de former le DNNs sur l'âge et de recycler le modèle sur des maladies spécifiques. En outre, il est possible d'utiliser les horloges vieillissantes biologiques pour personnaliser des immunothérapies et des vaccinations et pour recenser des voies neuves d'améliorer des taux de réponse. Le papier donne ces réalisations et présente une voie d'accélérer la recherche vieillissante utilisant des technologies d'AI », a dit Alex Zhavoronkov, Ph.D., le CEO et fondateur du médicament d'Insilico, qui a abouti l'étude.

Les résultats de la recherche ont été présentés le 2 décembre à l'atelier d'expo de POINTS DE CONTACT/expo de NeurIPS à Montréal par Polina Mamoshina et Alex Zhavoronkov, co-auteurs du papier.