Bioengineering Clarion
147 subscribers
183 photos
600 links
Приветствуем в канале Bioengineering Clarion!

https://bioengineering-clarion.com/

Подробнее о нас:
https://medium.com/@bioengineering.clarion/%D0%B3%D0%BE%D1%80%D0%BD-adf2dc06befe
Download Telegram
to view and join the conversation

Донорську кров можна буде зберігати кілька років замість 42 днів

ℹ️Що? Сьогодні зразки донорської крові можна зберігати протягом шести тижнів, тому регулярна добровільна здача крові дуже важлива для порятунку життя людей. Щоб зберегти зразки на довший термін, американські вчені застосували ультразвук і особливий природний консервант і досягли перших вражаючих результатів.

🔬Як? Вчені застосували ультразвук для створення в клітинах крові пор, які б дозволяли ввести туди особливі молекули для збереження еритроцитів протягом тривалого часу. Цим консервантом стали молекули трегалози - природного цукру, який виробляють деякі організми для виживання під час посухи. Такий підхід дозволить зберігати зразки крові в «сушеному» вигляді при кімнатній температурі протягом декількох років, щоб використовувати їх в регіонах з обмеженим доступом до донорської крові.

🏥Хто? University of Louisville.

💊Результат: Коли вчені протестували життєздатність нового методу на зразках крові, то виживаність еритроцитів склала більше 80%. Зараз вчені планують удосконалити метод, щоб в процесі дегідратації, коли зразок «повертають до життя», залишалося ще більше функціональних еритроцитів. Технологія дозволить забезпечити біоматеріалом не тільки віддалені регіони і служби швидкої допомоги, а й застосовувати його під час тривалих космічних місій, впевнені автори.

📂Категорія: #donor
__________
Джерело: https://m.hightech.plus/2020/04/23/razrabotan-sposob-hraneniya-donorskoi-krovi-v-techenie-neskolkih-let
Цікаво? Запроси друзів 👇🏻
https://t.me/bioengineering_clarion_channel

В MIT разработали перчатку для осознанных сновидений

ℹ️Что? При помощи биометрического устройства, можно распознать, когда пользователь засыпает, и повлиять на его сны. Цель аппарата Dormio — вызвать «гипногогические микросны», полу-осознанное состояние сознания, возникающее сразу после того, как человек засыпает.

🔬Как? Dormio — это прототип, но уже опробованный на 50 с лишним добровольцах. Он состоит из перчатки с датчиками, которые отслеживают пульс, движения и мышечный тонус. На основании этих данных система определяет фазу сна. Когда аппарат понимает, что пользователь уснул, он дает звуковой сигнал и записывает то, что человек говорит в ответ.

🏥Кто? Группа инженеров из MIT.

💊Результат: Ученые полагают, что их разработка может служить терапевтическим целям или работать на укрепление памяти. В ближайшем будущем исследователи собираются поделиться результатами исследования.

📂Категория: #medicaldevice
___________
Источник: https://m.hightech.plus/2020/04/16/v-mit-razrabotali-perchatku-dlya-osoznannih-snovidenii
Интересно? Пригласи друзей 👇🏻
https://t.me/bioengineering_clarion_channel

Ученые восстановили длину теломер, повернув вспять клеточное старение

ℹ️Что? Гарвардские исследователи установили, что ингибиторы фермента PAPD5 способны обратить вспять сокращение теломер - процесс, который лежит в основе старения клеток. Это позволит лечить наследственные заболевания, а также продлевать молодость тканей и клеток по всему организму.

🔬Как? Команда обнаружила ген PARN, который производит белок, участвующий в производстве важнейшего компонента теломеразы — соединения TERC. Мутации приводят к неправильной работе PARN, дефициту фермента и укорочению теломер. Авторы проанализировали более 100 000 химических соединений в поисках веществ, которые могли бы восстановить работу белка PARN. Оказалось, что на это способны ингибиторы фермента PAPD5, отвечающего за распад белка PARN и дестабилизации TERC. Перспективные соединения испытали на культуре стволовых клеток, взятых у пациентов с врожденным дискератозом. С их помощью удалось повысить концентрацию TERC и восстановить нормальную длину теломер. Эксперименты с грызунами, которым ввели человеческие клетки, также подтвердили эффективность и безопасность нового подхода.

🏥Кто? Специалисты из Гарварда.

💊Результат: Авторы надеются, что использование ингибиторов PAPD5 станет альтернативой единственному доступному на сегодня методу лечения врожденного дискератоза — пересадке костного мозга. А в будущем аналогичный подход можно будет использовать, чтобы замедлять старение клеток и тканей по всему телу.

📂Категория: #aging #longevity
___________
Источник: https://m.hightech.plus/2020/04/27/uchenie-vosstanovili-dlinu-telomer-povernuv-vspyat-kletochnoe-starenie
Интересно? Пригласи друзей 👇🏻
https://t.me/bioengineering_clarion_channel

Вчені пояснили зв'язок втрати слуху і ризиків деменції

ℹ️Що? З віком на тлі зниження слуху певні ділянки мозку реорганізуються і це негативно впливає на когнітивні здібності, виявили вчені. Їх відкриття має важливе значення для ранньої профілактики нейродегенеративних захворювань.

🔬Як? Вчені проаналізували щільність рецепторів нейротрансмітерів в мозку гризунів, які мають вирішальне значення для формування пам'яті. Потім вони оцінили роботу гіпокампу - ключового для пам'яті частини мозку. Чим сильніше було порушення слуху у мишей, тим гіршою була синаптична пластичність і, відповідно, пам'ять.

🏥Хто? Німецькі вчені з Рурського університету.

💊Результат: «Ймовірно, зміна щільності нейтротрансмітерних рецепторів створює проблеми в обробці сенсорної інформації, що заважає гіпокампу ефективно працювати», - пояснила висновки дослідження співавтор Деніз Манахан-Воган. «Наші результати дають нове розуміння передбачуваного зв'язку між зниженням когнітивних функцій і віковою втратою слуху у людей». Команда продовжить дослідження, які дозволять розробити терапевтичні стратегії для профілактики деменції.

📂Категорія: #neurodegenerative
__________
Джерело: https://m.hightech.plus/2020/04/24/uchenie-obyasnili-svyaz-poteri-sluha-i-riskov-demencii
Цікаво? Запроси друзів 👇🏻
https://t.me/bioengineering_clarion_channel
coming soon…
Перезагрузка
Как вы заметили, мы брали паузу в публикации новостей и развитии канала. За это время я хорошенько поразмыслил. Как показала практика, публикация новостей, связанных с продлением жизни, не особо вызывает желание углубиться в тему и, тем более, посвятить себя этому. Скорее, даже вызывает некую праздность: кажется, что в мире и так делается куча разработок и открытий, но реально на жизни большинства людей это не влияет. Какой смысл тратить кучу времени и сил, вникать в это, если даже профессионалы, посвятившие этому всю жизнь, реального прорыва сделать не могут?

Подобных агрегаторов новостей много. Общее для них то, что контент - это чистый постмодерн. Каждая новость - симулякр, ссылки на ссылку на ссылку, а в источнике вовсе не то, что в кликбейтном названии.

Теперь все будет по другому. Этот канал станет блогом. Здесь я буду публиковать свой прогресс и вклад в борьбу за продление жизни. В следующем посте планирую описать свое понимание проблемы и пути ее решения.

Добавляйте канал в закрепленный и приглашайте друзей(https://t.me/bioengineering_clarion_channel) будем проходить вместе этот непростой путь.
Сколько нужно времени что-бы проверить эффективность терапии против старения?

Перед тем как указать на главное препятствие между нами и здоровой, не ограниченной временем, жизнью, хочу поделиться сведениями о себе. Меня зовут Диденко Богдан, получил высшее образование по специальности информатика, сейчас работаю инженером-исследователем глубокого обучения в домене обработки естественного языка. Успел обзавестись публикацией(https://www.aclweb.org/anthology/W19-4426.pdf), приуроченной к международному соревнованию, а также доведенной до состояния продакшена нейросетью с уникальной архитектурой.

Итак. Основной, как мне видится, сложностью в разработке терапии для продления молодости и жизни, является невозможность проверки ее эффективности за приемлемое время. Любой препарат перед тем, как стать доступным, проходит множество этапов испытаний - в пробирке, на животных, клинические исследования (фазы 1, 2, 3). Эти стадии также расположены в порядке возрастания по количеству времени и средств для их проведения. Если результаты эксперимента в чашке Петри можно наблюдать в течении нескольких часов или дней, то эксперименты в модельных организмах могут длиться годами. В нашем случае, данная ситуация ухудшается максимально, для того, что б получить результат, нам нужно ожидать весь жизненный цикл, плюс, если эксперимент удачный, дополнительное время. Если мы говорим о исследовании на людях, то такой эксперимент можно провести только один раз для одного поколения, тоесть, если нынеживущее человечество не преуспеет - мы обречены.

Выходом из сложившейся ситуация могут стать in silico исследования - компьютерная симуляция биологического эксперимента. Уже сейчас моделирование биологических процессов в программной среде широко используется для ускорение и уменьшения стоимости испытаний. В связи с высокой сложностью биологических моделей, на данном этапе in silico работает по большей части на уровне отдельных молекул и их взаимодействия. Для того чтоб масштабировать данный подход на уровень целых организмов, необходим технологический скачок, который сделает доступными вычислительные мощности на порядки превосходящие существующие. Таким скачком видится приближение квантовых технологий к массовому использованию. Так компании Google и IBM работают над созданием облочной инфраструктуры для квантовых вычислений, а также, над созданием программных инструментов для понижения порога вхождения в мир квантового программирования. Близок тот момент, когда арендовать клауд сервер на основе кубитов, будет не сложнее, чем сейчас с CPU, GPU или TPU.

Представьте лабораторную мышь, которая проживает весь свой жизненный цикл за пол секунды, и эксперименты над которой можно паралельно запускать на тысячах серверов.
В следующем посте планирую поделиться тем, как исходя из вышенаписанного, я вижу дальнейшее развитие Bioengineering Clarion и свой личный вклад в появление программных симуляций для сложных биологических систем.
Мастерская

Хочу подробней рассказать об инструментах, которыми я владею в рамках своей профессии и о том, как их можно подружить с задачами в in silico медицине.

Итак, думаю многие из вас слышали про успехи нейронных сетей семейства GPT(GPT-2, GPT-3) в генерации текста. Если нет, обязательно загуглите, интересная и хайповая тема) Созданный ими текст получается, местами, не отличимым от написанного человеком. В связи с появлением этих архитектур, вновь возобновились разговоры о AGI (Общий искусственный интеллект). В свою очередь, GPT относится к более широкому семейству архитектур под названием - Transformer, о них мы поговорим позже. Сама аббревиатура GPT расшифровывается как Generative Pre-Training, приставка Pre- подразумевает, что этот процесс предшествует чему-то. В данном случае, следующим этапом после Pre-Training является Fine-tuning - процесс подгонки сетки под конкретную задачу.

Подробней об этих этапах:
Pre-Training - Обучение на неразмеченных данных, по сути, просто на куче обычного текста. Допустим, в тексте есть предложение - “Кот залез на дерево”. На вход сети мы подаем - “Кот залез на …”, на выходе получаем распределение вероятности по всему словарю (условно для всех возможных слов в языке). В этом словаре ищем вероятность слова - “дерево” и чем меньше эта вероятность - тем больше ошибка, и тем сильнее нужно изменить нейронные соединения в слоях сети. Вы скажете - “А что если там не “дерево”, а “подоконник”, как сеть может это угадать?” Верно, никак, но 1 - данных очень много, 2 - нам и не нужна 100% точность. Нам нужно, чтоб такие варианты, как “дерево”, “подокониик”, “стол” имели большую вероятноть, чем, допустим, “кредит” или “приватизация”. На этапе Pre-Training мы учим сеть лучше ориентироваться в структуре текста, развиваем ее интуицию) Важно заметить, что после этого этапа обучения, сеть GPT генерирует свои знаменитые тексты, поиграться с этим можно здесь - https://transformer.huggingface.co/doc/gpt2-large

Fine-tuning - Здесь мы уже используем размеченные данные. Например, датасет отзывов о фильме, где к каждому отзыву у нас есть метка - позитивный он или негативный. Или, допустим, датасет школьных тестовых вопросов, где к каждому вопросу есть 4 варианта ответа и только 1 правильный. Мы берем нашу Pre-Trainined сеть и дообучаем ее на одном из этих датасетов. И, вуаля, результат получается намного лучше, чем, если обучать такую-же сеть с нуля на размеченных данных без Pre-Training. Так получается, поскольку сеть уже имеет общее представление о языковых конструкциях, их связях и последовательностях. Ей остается обучиться только конкретной задаче.

Ну вот, теперь вы примерно представляете на чем стоит современный мир языкового AI. На базе подхода Pre-Training - Fine-tuning работают чат-боты, рекомендательные системы и даже поисковик гугл. Но как это может пригодиться для медицинских симуляций? Об этом в следующем посте.

Небольшой лайфхак для тех, кто дочитал). Как понять что ваш собеседник - сеть из семейства GPT, а не живой человек? Спросите у него - “Сколько сейчас времени?”)
Bioengineering Clarion pinned «Перезагрузка Как вы заметили, мы брали паузу в публикации новостей и развитии канала. За это время я хорошенько поразмыслил. Как показала практика, публикация новостей, связанных с продлением жизни, не особо вызывает желание углубиться в тему и, тем более…»
Лаборатория [Часть 1]

В прошлом посте я писал про нашумевшие в Интернете нейросети семейства GPT, а также, подробней остановился на понятиях Pre-Training - Fine-tuning, которые лежат в основе большинства лингвистических AI решений современности. Еще вспомним, что in silico - это моделирование биологического процесса в компьютере вместо реального эксперимента.

Как нам подружить эти два, на первый взгляд, совершенно разных направления? Возьмем, допустим, белки. Помним, что они состоят из аминокислот, которых в большинстве случаев 20 видов. Аминокислоты, в зависимости от своей последовательности, создают более чем 10 в 10 стпени(очень много) разных видов белков. Средняя длина последовательности - 500-600 аминокислот для одного белка. Если мы каждую аминокислоту обозначим какой-то буквой, то каждый белок будет последовательностью таких букв, что-то вроде текста. И таких белков-текстов человечество успело накопить не мало. В открытом доступе при поверхностном поиске я нашел такие датасеты: BFD(2.122 млрд белков), UniRef100(216млн), Pfam(32 млн). Уже догадываетесь к чему я веду?)
Хмм... много последовательностей и больше ничего. Здесь напрашивается:
Anonymous Quiz
28%
Pre-Training
22%
Fine-tuning
6%
GPT-3
17%
In silico
28%
Необходимость получения профильного образования
Оффтоп
Уверенный шаг в сторону сильного AI.
Сегодня Facebook https://twitter.com/facebookai/status/1310595343386464256
опубликовал исследование, в котором описал новый подход в области NLP - Retrieval Augmented Generation (RAG). Революционность подхода заключается в комбинировании знаний, заключенных в весах нейросети, со знаниями из других источников, вроде Wikipedia.

Теперь нейросети можно задать вопрос и перед ответом она сначала найдет статьи из Wikipedia по смежным темам, а потом сгенерирует ответ на основе вопроса и этих статей.

Поиграться с этой фантастической функциональностью уже сейчас можно здесь: https://huggingface.co/rag/
Забавно)
)
Ранее творчество:

Автоматические оросители повсюду
детям не до игр в ржаном поле
наперегонки прыгают в будущее

многоликий архитектор улучшает устройства
Вырасту стану тобой
кто заигрался, уже делают работу машин
я бегу одним из последних сил

и вот до пропасти шаг
Опускаю голову.
“посмотри это сложное и просто не совсем
посмотри я не понял не понял не понимаешь”
агония недоученной на мыслях наркомана
нейронной сети
не до рифмы мне скоро станет на замену, еще немного подождать

Вы, Не отворачиваться!
вокруг детей в полете уже выросли белые халаты и метастазирующие крысы-альбиносы
Светодиоды глаз вот вот осветят дно
Вгрызайтесь в пропасть!
Этому взгляду уже недолго быть взаимным

о чем писать когда вечность отступит
когда заберут смерть, излюбленную музу
3? 5? открытий. Сколько осталось?
шестерня летит куда быстрее пера

кто ко всему этому готов?
вот вот Мир перевернется
приземлимся Сверху, туда, откуда нас вышвырнули ранее

оставьте уголь и нефть в недрах
Рисуйте карты!
нужны новые ориентиры
детям в футболках #трансгуманист

13 сен 2017
Все уже слышали о прорыве в решении задачи предсказания 3х-мерной структуры белка по последовательности аминокислот? Достижение достойное Нобелевской премии. В ближайшие пару лет, полагаю, стоит ожидать череду крупных открытий в медицине.
https://deepmind.com/blog/article/alphafold-a-solution-to-a-50-year-old-grand-challenge-in-biology
Вдохновление!
При помощи Джеффа Безоса и несколько других миллиардеров была основана Altos Labs — компания, занимающаяся технологиями биологического перепрограммирования.

Сейчас Altos Labs заманивает университетских профессоров и биоинженеров, предлагая зарплату $1 млн в год и больше, плюс акционерный капитал, а также избавление от хлопот с подачей заявок на гранты. Ученые будут получать зарплаты на уровне топов Кремниевой долины, и получат возможность не заниматься ничем кроме своих исследований. А если их проект окажется успешным — они, как и бывает в обычных стартапах, получат шанс сделаться миллиардерами.


К Altos присоединились в том числе:

Хуан Карлос Изписуа Бельмонте, испанский биолог, который хотел выращивать человеческие органы в обезьянках для последующий трансплантации человеку и предсказывал, что продолжительность жизни у людей так можно увеличить на 50 лет.

Дженифер Дудна, которая в 2020 получила Нобелевскую за открытие технологии редактирования генов CRISPR.

Стив Хорват, профессор Калифорнийского университета в Лос-Анджелесе и создатель метода «биологических часов», которые могут точно измерять старение человека.

Шинья Яманака (лауреат Нобелевской премии 2012 года), который с помощью четырех генов (MYC, OCT4, SOX2 и KLF4) приучил клетки «обновляться» и «перезапускаться», возвращаясь к примитивному состоянию со свойствами эмбрионных стволовых клеток. Впоследствии эти четыре гена назвали «факторами Яманаки».

https://habr.com/ru/company/itsoft/blog/576928/
Нобелевские лаурета и огромные зарплаты - то что нужно индустрии