[ad_1]
Poiché l’intelligenza artificiale gioca un ruolo sempre più importante nella decodifica del DNA, nel tracciamento degli agenti patogeni e nell’accelerazione della scoperta di farmaci, il confine tra capacità reali e pubblicità può essere poco chiaro. Gli esperti della Rice University possono fornire prospettive chiare e tecnicamente fondate su come questi strumenti stiano facendo avanzare in modo significativo il rilevamento delle malattie, la preparazione della salute pubblica e la progettazione del trattamento.
IL AI2Salute cluster di ricerca supportato da Rice’s Istituto Ken Kennedy riunisce esperti in biologia computazionale, apprendimento automatico e biologia dei sistemi per sviluppare soluzioni basate sull’intelligenza artificiale per affrontare le sfide critiche nella salute umana e nella governance sanitaria. Il gruppo AI2Health è uno dei 12 cluster di ricerca all’interno del Ken Kennedy Institute che lavorano per unire le competenze dipartimentali e promuovere l’intelligenza artificiale e l’informatica responsabili presso la Rice.
Oltre a portare avanti la ricerca fondamentale, i membri e gli associati di AI2Health si concentrano sulla creazione di strumenti di intelligenza artificiale pratici e ispirati alla biologia, progettati per rendere i dati complessi più facili da interpretare e su cui agire. I loro metodi possono essere applicati in molti settori della salute umana e la loro esperienza può aiutare a informare il dialogo pubblico e fornire contesto su una serie di argomenti, tra cui:
Di seguito sono riportati gli esperti del riso che possono offrire informazioni generali, aiutare a spiegare le attuali tendenze della ricerca o rispondere a domande nelle loro aree di specializzazione:
Biosicurezza e biosorveglianza per la sanità pubblica
- Todd Treangen è specializzato in metodi computazionali per la sorveglianza degli agenti patogeni a supporto di iniziative di sanità pubblica come la risposta rapida alle epidemie. Il suo laboratorio sviluppa algoritmi di apprendimento automatico e software open source che aiutano gli scienziati a identificare rapidamente gli agenti patogeni dannosi nel DNA sintetico e nei dati metagenomici con applicazioni che soddisfano le sfide emergenti nella biosicurezza e nel monitoraggio delle malattie infettive. Treangen è il ricercatore capo del cluster AI2Health.
Metodi multi-omici per decifrare salute e malattia
- Vicky Yao sviluppa apprendimento automatico e approcci statistici per analizzare set di dati biologici ampi e diversificati ed estrarre informazioni significative. Il suo lavoro dà priorità all’interpretabilità e all’integrazione dei dati per scoprire i meccanismi molecolari alla base di malattie complesse come il cancro e l’Alzheimer.
Intelligenza artificiale e machine learning per Genomica e metagenomica
- Santiago Segarra utilizza l’intelligenza artificiale e la modellazione matematica avanzata per interpretare dati biologici complessi con un’enfasi particolare sui metodi di apprendimento automatico dei grafici per set di dati genomici e metagenomici. La sua ricerca fornisce strumenti fondamentali per comprendere i sistemi biologici su larga scala e le intricate reti che governano le interazioni proteiche, l’organizzazione genetica e l’ecologia microbica.
Biofisica computazionale per l’innovazione biomedica
- Ivan Coluzza è un biofisico computazionale che utilizza metodi basati sulla fisica per studiare la funzione delle proteine e la progettazione molecolare. Il suo lavoro integra calcolo e teoria per promuovere l’innovazione biomedica, estendendo questi modelli alla progettazione di materiali biomimetici ispirati ai principi del ripiegamento delle proteine.
Biologia computazionale e dei sistemi per le terapie di prossima generazione
- Cameron Glasscock combina biologia computazionale, progettazione di proteine e biotecnologia sintetica per ingegnerizzare proteine con funzioni nuove o migliorate. Il suo lavoro informa le terapie di prossima generazione attraverso modelli basati sulla fisica e potenziati dall’intelligenza artificiale.
- Lidia Kavraki sfrutta la sua profonda esperienza nell’informatica fisica e nella robotica per far avanzare metodi computazionali per modellare la flessibilità e la funzione delle proteine. Il suo lavoro crea algoritmi di intelligenza artificiale e strumenti software innovativi che accelerano la scoperta di farmaci, migliorano la previsione dell’efficacia terapeutica e consentono una progettazione più precisa di immunoterapie antitumorali personalizzate.
Biologia evoluzionistica
- Luay Nakhleh sviluppa metodi computazionali per studiare come i geni, i genomi e le reti cellulari si evolvono nel tempo. La sua ricerca aiuta a far luce sui processi evolutivi che guidano l’insorgenza e la progressione delle malattie con applicazioni rilevanti per la salute umana in aree come la genomica del cancro.
Genomica umana e variazione strutturale nella salute e nella malattia
- Fritz Sedlazeck sviluppa metodi di intelligenza artificiale e apprendimento automatico di prossima generazione per decodificare l’intero spettro della variazione genomica umana. La sua ricerca aiuta a migliorare le diagnosi, personalizzare la previsione del rischio di malattia e scoprire i meccanismi biologici alla base dei disturbi neurologici, cardiovascolari e dello sviluppo.
“Come biologo computazionale, penso che il campo sia a un punto di svolta interessante, e possiamo aspettarci di vedere miglioramenti significativi nella velocità e nella scala con cui possiamo analizzare i dati genomici e scoprire intuizioni biologiche”, ha affermato Nakhleh, William e Stephanie Sick Dean della George R. Brown School of Engineering and Computing della Rice e professore di informatica e bioscienze. “La collaborazione continua e l’attenzione alle dimensioni etiche di questi strumenti saranno essenziali in futuro, e tale impegno è al centro del cluster di ricerca AI2Health”.
Fonte: Università del Riso
[ad_2]
Da un’altra testata giornalistica. news de www.technology.org