Содержание книги "Глубокое обучение в биологии и медицине
"
Предисловие
Об авторах
Глава 1. Глубокое обучение и науки о жизни
Почему все говорят о глубоком обучении?
Современные науки о жизни – это науки о данных
О чем эта книга?
Глава 2. Введение в глубокое обучение
Линейные модели
Многослойные персептроны
Обучение модели
Проверка модели
Регуляризация
Оптимизация гиперпараметров
Другие типы моделей
Сверточные нейронные сети
Рекуррентные нейронные сети
Дополнительное чтение
Глава 3. Машинное обучение с DeepChem
Наборы данных DeepChem
Обучение модели для предсказания токсичности молекул
Пример: обучение модели MNIST
Набор данных распознавания цифр MNIST
Сверточная архитектура для набора MNIST
Заключение
Глава 4. Машинное обучение и молекулы
Что такое молекула?
Что такое внутримолекулярные связи?
Ковалентные связи
Нековалентные связи
Молекулярные графы
Конформации молекулы
Хиральность молекул
Фичеризация молекулы
Строки SMILES и пакет RDKit
Расширенные отпечатки связей
Молекулярные дескрипторы
Графовые свертки
Обучение модели для прогнозирования растворимости
MoleculeNet
Строки SMARTS
Заключение
Глава 5. Глубокое обучение и биофизика
Белковые структуры
Белковые последовательности
Общие принципы связывания с белками
Биофизическая фичеризация
Координатная фичеризация
Атомная фичеризация
Пример использования PDBBind
PDBBind Dataset
Представление набора данных PDBBind
Заключение
Глава 6. Глубокое обучение и геномика
ДНК, РНК и белки
Реальное положение дел
Сайты связывания и факторы транскрипции
Сверточная модель связывания TF
Доступность хроматина
РНК-интерференция
Заключение
Глава 7. Машинное обучение и микроскопия
Краткое введение в микроскопию
Современная оптическая микроскопия
Дифракционный предел
Электронная и атомно-силовая микроскопия
Микроскопия сверхвысокого разрешения
Глубокое обучение и дифракционный предел
Подготовка биологических препаратов для микроскопии
Окрашивание
Фиксация препаратов
Секционирование препаратов
Флуоресцентная микроскопия
Артефакты пробоподготовки
Применение глубокого обучения в микроскопии
Подсчет клеток
Клеточная сегментация
Вычислительные анализы
Заключение
Глава 8. Глубокое обучение в медицине
Компьютерная диагностика
Вероятностные диагнозы с байесовскими сетями
Данные электронных медицинских карт
В чем опасность больших баз данных ЭМК пациентов?
Глубокая радиология
Рентгенография и компьютерная томография
Гистология
Магниторезонансная томография
Модель глубокого обучения в качестве лечебного средства
Диабетическая ретинопатия
Перспективы глубокого обучения в медицине
Этические соображения
Потеря работы
Заключение
Глава 9. Генеративные модели
Вариационные автоэнкодеры
Генеративные состязательные сети
Применение генеративных моделей в науках о жизни
Генерация новых идей для соединений-прототипов
Разработка белков
Инструменты для научного поиска
Будущее генеративного моделирования
Работа с генеративными моделями
Анализ вывода генеративной модели
Заключение
Глава 10. Интерпретация глубоких моделей
Как объяснить предсказания?
Оптимизация входов
Прогнозирование неопределенности
Интерпретируемость, объяснимость и последствия для реального мира
Заключение
Глава 11. Практический пример виртуального скрининга
Подготовка набора данных для прогнозного моделирования
Обучение прогностической модели
Подготовка набора данных для прогнозирования
Применение прогностической модели
Заключение
Глава 12. Ожидания и перспективы
Медицинская диагностика
Персонализированная медицина
Фармацевтические исследования
Биологические исследования
Заключение
Колофон
Предметный указатель
