Машинное обучение может привести к созданию более эффективных вакцин против гриппа
Группа ученых из Школы экологии Одума при Университете Джорджии разработала алгоритм, который может точно предсказать, как будет развиваться сезонный вирус гриппа. Такая информация может позволить быстрее обновлять вакцины против сезонного гриппа, что приведет к снижению числа случаев заражения и смертности. Опубликованное в журнале Proceedings of the Royal Society B: Biological Sciences исследование описывает инструмент машинного обучения под названием Novel Influenza Virus A Detector (NIAViD), который предсказывает изменения в сезонном вирусе гриппа с точностью почти 73%. Альфа Форна, научный сотрудник-постдокторант в Школе Одума, руководил разработкой NIAViD, который использует данные о последовательности вируса гриппа, чтобы понять, как новые вирусы, как ожидается, обойдут существующий иммунитет в популяции. Ежегодно сезонные вирусы гриппа по всему миру заражают 1 миллиард человек, и большинство из предполагаемых 500 000 смертей — это маленькие дети в развивающихся странах. В Соединенных Штатах ежегодно заражаются миллионы американцев, и тысячи умирают. Прогнозируемая годовая стоимость сезонных инфекций составляет около 90 миллиардов долларов только в Соединенных Штатах. По словам Форны, одной из проблем профилактики сезонных гриппозных инфекций является прогнозирование ожидаемых изменений вируса гриппа. «У каждого вируса гриппа, который мы называем инфлюэнцей, есть белок гемагглютинин, который инициирует инфекцию , когда он прикрепляется к клеткам. Во время инфекции виру...
Подводные микрофоны и машинное обучение помогают сохранить гладких китов Используя подводные микрофоны и машинное обучение (МО), исследователи Корнелльского университета разработали новый метод оценки численности североатл ...
Ученые СПбГУ применили машинное обучение для анализа чернил в криминалистике Химики Центра искусственного интеллекта и науки о данных Санкт‑Петербургского государственного университета... ...