Deep Learning hat bereits in vielen Bereichen bemerkenswerte Ergebnisse erzielt. Jetzt hält es Einzug in die Wissenschaften, insbesondere in die Biowissenschaften. Dieses praxisorientierte Buch bietet Programmierern und Wissenschaftlern einen Überblick darüber, wie Deep Learning in Genomik, Chemie, Biophysik, Mikroskopie, medizinischer Analyse und der Arzneimittelforschung eingesetzt wird.
Das Buch vermittelt Deep-Learning-Grundlagen und führt in die Arbeit mit der Python-Bibliothek DeepChem ein. Sie erfahren, wie Deep Learning z.B. zur Analyse von Mikroskopaufnahmen, für molekulare Daten und bei medizinischen Scans genutzt wird. Abschließend zeigen Bharath Ramsundar und seine Co-Autoren anhand einer Fallstudie Techniken für die Entwicklung neuer Therapeutika, eine der größten interdisziplinären Herausforderungen der Wissenschaft.
Lernen Sie, wie Machine Learning auf molekulare Daten angewendet werden kann
Erfahren Sie, warum Deep Learning ein mächtiges Werkzeug für Genetik und Genomik ist
Setzen Sie Deep Learning ein, um biophysikalische Systeme zu verstehen
Erhalten Sie eine kurze Einführung in Machine Learning mit DeepChem
Nutzen Sie Deep Learning zur Auswertung von Mikroskopaufnahmen
Analysieren Sie medizinische Scans mithilfe von Deep-Learning-Techniken
Erfahren Sie mehr über Variational Autoencoder (VAE) und Generative Adversarial Networks (GANs)
Interpretieren Sie, was Ihr Modell tut und wie es funktioniert
In dieser Leseprobe lernen Sie die Grundlagen des molekularen Machine Learning kennen. Die modernen Materialwissenschaften und Chemie erfordern es häufig, neue Moleküle mit den gewünschten Eigenschaften zu entwickeln. Dazu ist manchmal noch viel Zufall erforderlich, die willkürlichen Experimente könnten jedoch durch gelenkte Suchen ersetzt werden. So könnten grundlegend neue Materialien und Chemikalien mit nützlichen Merkmalen erschaffen werden.
Stimmen zum Buch
»Ein wertvoller Beitrag für die wissenschaftliche Community.«
– Prabhat Teamleader Data and Analytics Services, NERSC, Lawrence Berkeley National Laboratory
»Ein hervorragender High-Level-Überblick, der sowohl Einstiegspunkte in bestimmte Techniken bietet als auch die Erörterung der zugrundeliegenden Wissenschaft.«
– C. Titus Brown Associate Professor, University of California, Davis
Wer hat’s geschrieben?
Bharath Ramsundar ist Mitbegründer und CTO von Datamined, einem Blockchain-Unternehmen, das die Erstellung großer biologischer Datensätze ermöglicht. Datamined zielt darauf ab, Datensätze zu generieren, die notwendig sind, um den anhaltenden Aufschwung der KI in der Biotechnologie zu beschleunigen. Bharath ist außerdem leitender Entwickler und Erfinder von DeepChem.io, einem OpenSource-Paket, das auf TensorFlow basiert und zum Ziel hat, Deep Learning für die pharmazeutischen Wirkstoffsuche zugänglich zu machen. Er ist zudem Mitbegründer der MoleculeNet Benchmark Suite.
Bharath hat einen B.A. und einen B.S. der Berkeley-Universität für EECS und Mathematik und war Jahrgangsbester seiner Abschlussklasse in Mathematik. Vor Kurzem vollendete er seinen PhD (bis auf die Dissertation) in Computerwissenschaften an der Stanford-Universität mit der Pande-Gruppe an der Stanford-Universität. Unterstützt wurde er dabei durch ein Hertz-Stipendium, das anspruchsvollste Graduiertenstipendium der Wissenschaften.
Peter Eastman arbeitet in der Bioengineering-Abteilung der Stanford-Universität und entwickelt Software für Biologen und Chemiker. Er ist leitender Autor von OpenMM, einem Toolkit für Hochleistungssimulation der Molekulardynamik und Hauptentwickler von DeepChem, einem Paket für Deep Learning in Chemie, Biologie und Materialwissenschaften. Seit dem Jahr 2000 ist er professioneller Softwareingenieur und hat unter anderem als VP of Engineering für Silicon Genetics, einem Bioinformatik-Softwareunternehmen, gearbeitet. Peters aktueller Forschungsschwerpunkt befasst sich mit der Schnittstelle zwischen Physik und Deep Learning.
Pat Walters leitet die Computation and Informatics Group bei Relay Therapeutics in Cambridge, MA. Seine Abteilung konzentriert sich auf neuartige Anwendungen von Berechnungsmethoden, die Computersimulationen und experimentelle Daten integrieren, um Erkenntnisse zu liefern, die für die Medikamentenentwicklung von entscheidender Bedeutung sind. Bevor er zu Relay wechselte, war er mehr als 20 Jahre lang Global Head of Modeling and Informatics bei Vertex Pharmaceuticals.
Pat ist Mitglied des Redaktionsbeirats des Journal of Medicinal Chemistry und hatte zuvor ähnliche Funktionen bei Molecular Informatics und Letters in Drug Design & Discovery inne. Er ist nach wie vor aktiv in der wissenschaftlichen Gemeinschaft tätig. 2017 war Pat Vorsitzender der Gordon-Konferenz für computergestütztes Arzneimitteldesign und maßgeblich beteiligt an einer Reihe von gemeinschaftsorientierten Bemühungen zur Bewertung von Rechenmethoden, wie dem NIH-finanzierten Drug Design Data Resource (D3R) und der American Chemical Society TDT Initiative. Pat promovierte in organischer Chemie an der Universität von Arizona, wo er die Anwendung der künstlichen Intelligenz in der Konformationsanalyse untersuchte. Vor seiner Promotion arbeitete er bei Varian Instruments als Chemiker und Softwareentwickler. Pat erhielt seinen B. S. in Chemie von der Universität von Kalifornien, Santa Barbara.
Vijay Pande, PhD, ist aktiver Teilhaber bei Andreessen Horowitz. Er leitet die Unternehmensinvestitionen für Firmen an der Schnittstelle von Biologie und Informatik, einschließlich der Anwendung von Berechnungen, Machine Learning und künstlicher Intelligenz in der Biologie und dem Gesundheitswesen sowie der Anwendung neuer transformativer wissenschaftlicher Fortschritte. Er ist außerdem außerordentlicher Professor für Biotechnik in Stanford, wo er zu wegweisenden Rechenmethoden und deren Anwendung in Medizin und Biologie berät, was zu über 200 Veröffentlichungen, zwei Patenten und zwei neuartigen Arzneimitteltherapien geführt hat.
Vijay ist der Gründer des Folding@Home Distributed Computing Project für die Erforschung von Krankheiten, das die Grenzen der Entwicklung und Anwendung von Informatiktechniken (wie verteilten Systemen, Machine Learning und exotischen Computerarchitekturen) in der Biologie und der Medizin überschreitet, sowohl in der Grundlagenforschung als auch in der Entwicklung neuer Therapeutika. Er ist außerdem Mitbegründer von Globavir Biosciences, wo er seine Forschungen aus Stanford und Folding@Home in ein erfolgreiches Start-up umsetzte und Heilmittel gegen das Dengue-Fieber und Ebola entdeckte. Als Teenager war er der erste Angestellte beim Videospiel-Start-up Naughty Dog Software, dem Hersteller von Crash Bandicoot.
Wer hat's geschrieben?
Bharath Ramsundar ist Mitbegründer und CTO von Datamined, einem Blockchain-Unternehmen, das die Erstellung großer biologischer Datensätze ermöglicht. Datamined zielt darauf ab, Datensätze zu generieren, die notwendig sind, um den anhaltenden Aufschwung der KI in der Biotechnologie zu beschleunigen. Bharath ist außerdem leitender Entwickler und Erfinder von DeepChem.io, einem OpenSource-Paket, das auf TensorFlow basiert und zum Ziel hat, Deep Learning für die pharmazeutischen Wirkstoffsuche zugänglich zu machen. Er ist zudem Mitbegründer der MoleculeNet Benchmark Suite.
Bharath hat einen B.A. und einen B.S. der Berkeley-Universität für EECS und Mathematik und war Jahrgangsbester seiner Abschlussklasse in Mathematik. Vor Kurzem vollendete er seinen PhD (bis auf die Dissertation) in Computerwissenschaften an der Stanford-Universität mit der Pande-Gruppe an der Stanford-Universität. Unterstützt wurde er dabei durch ein Hertz-Stipendium, das anspruchsvollste Graduiertenstipendium der Wissenschaften.
Peter Eastman entwickelt Software für Computerchemie und -biologie an der Universität Stanford, Kalifornien.
Pat Walters leitet die Computation & Informatics Group bei Relay Therapeutics.
Vijay Pande, PhD, ist aktiver Teilhaber bei Andreessen Horowitz. Er leitet die Unternehmensinvestitionen für Firmen an der Schnittstelle von Biologie und Informatik, einschließlich der Anwendung von Berechnungen, Machine Learning und künstlicher Intelligenz in der Biologie und dem Gesundheitswesen sowie der Anwendung neuer transformativer wissenschaftlicher Fortschritte. Er ist außerdem außerordentlicher Professor für Biotechnik in Stanford, wo er zu wegweisenden Rechenmethoden und deren Anwendung in Medizin und Biologie berät, was zu über 200 Veröffentlichungen, zwei Patenten und zwei neuartigen Arzneimitteltherapien geführt hat.
Vijay ist der Gründer des Folding@Home Distributed Computing Project für die Erforschung von Krankheiten, das die Grenzen der Entwicklung und Anwendung von Informatiktechniken (wie verteilten Systemen, Machine Learning und exotischen Computerarchitekturen) in der Biologie und der Medizin überschreitet, sowohl in der Grundlagenforschung als auch in der Entwicklung neuer Therapeutika. Er ist außerdem Mitbegründer von Globavir Biosciences, wo er seine Forschungen aus Stanford und Folding@Home in ein erfolgreiches Start-up umsetzte und Heilmittel gegen das Dengue-Fieber und Ebola entdeckte. Als Teenager war er der erste Angestellte beim Videospiel-Start-up Naughty Dog Software, dem Hersteller von Crash Bandicoot.
Deep Learning für die Biowissenschaften
Einsatz von Deep Learning in Genomik, Biophysik...
Verlag
OReilly (dpunkt)
Autor:innen
Bharath Ramsundar, Peter Eastman, Pat Walters, Vijay Pande
Fassung
219 Seiten, Softcover
Erschienen
02/2020
ISBN
978-3-96009-130-1 9783960091301
Buch
€36,90 inkl. MwSt.
Best.-Nr.: OR-130
Versandkostenfrei (D)
Lieferbar in 48 h
eBook (PDF)
€inkl. MwSt.
Best.-Nr.:
Deep Learning für die Biowissenschaften
Einsatz von Deep Learning in Genomik, Biophysik...
Best.-Nr.: OR-130 Lieferbar in 48 h
€36,90 inkl. MwSt.
Versandkostenfrei (D)
Best.-Nr.:
eBook (PDF)
€inkl. MwSt.
Deep Learning für die Biowissenschaften
Einsatz von Deep Learning in Genomik, Biophysik...
