ИИХ

🦠 Идентификация бактерий: взаимодействие машинного обучения и масс-спектрометрии

Новая модель достигает более 99% точности в определении видов бактерий

Ученые достигли значительного прогресса в области оценки биологических угроз, используя алгоритмы машинного обучения для классификации бактерий с исключительной точностью. Применение подхода с двумерной тандемной масс-спектрометрией (2D MS/MS) предоставляет быстрое и надежное решение, которое может преобразить области микробиологии и контроля инфекционных заболеваний.

🧫 Исследователи успешно классифицировали различные виды бактерий, анализируя их липидные профили с помощью модифицированного масс-спектрометра, достигнув беспрецедентной точности классификации более 99%. Этот метод выделяется своей скоростью, простотой и минимальными требованиями к подготовке образцов. "Наша работа не только демонстрирует синергию между аналитической химией и искусственным интеллектом, но и открывает новые пути для обнаружения биоугроз и эпидемиологического надзора," отметил ведущий исследователь.

💫 В исследовании использовался модифицированный линейный квадрупольный масс-спектрометр с ионной ловушкой, усовершенствованный возможностями 2D MS/MS. Виды бактерий определяли на уровне липидов с помощью моделей машинного обучения, включая метод случайного леса, метод k-ближайших соседей, многослойный персептрон и сверточные нейронные сети. Исследовательская группа изучает применение этой технологии в портативных устройствах для полевого использования, что еще больше повысит ее практическую ценность в реальных условиях мониторинга окружающей среды.

Это исследование связывает аналитическую химию и вычислительную биологию, предлагая быстрый, точный и доступный метод для классификации бактерий. В перспективе он поможет своевременно выявить и нейтрализовать биологические угрозы.

📌 Публикация: Gonzalez, L. E. et al. Machine-Learning Classification of Bacteria Using Two-Dimensional Tandem Mass Spectrometry. Anal. Chem. 2023, 95, 17082-17088.

🔥5👍3🤔2

www.tgoop.com/AI_and_science/43

831 viewsedited  Feb 16, 2024 at 12:16

🦠 Идентификация бактерий: взаимодействие машинного обучения и масс-спектрометрии

Новая модель достигает более 99% точности в определении видов бактерий

Ученые достигли значительного прогресса в области оценки биологических угроз, используя алгоритмы машинного обучения для классификации бактерий с исключительной точностью. Применение подхода с двумерной тандемной масс-спектрометрией (2D MS/MS) предоставляет быстрое и надежное решение, которое может преобразить области микробиологии и контроля инфекционных заболеваний.

🧫 Исследователи успешно классифицировали различные виды бактерий, анализируя их липидные профили с помощью модифицированного масс-спектрометра, достигнув беспрецедентной точности классификации более 99%. Этот метод выделяется своей скоростью, простотой и минимальными требованиями к подготовке образцов. "Наша работа не только демонстрирует синергию между аналитической химией и искусственным интеллектом, но и открывает новые пути для обнаружения биоугроз и эпидемиологического надзора," отметил ведущий исследователь.

💫 В исследовании использовался модифицированный линейный квадрупольный масс-спектрометр с ионной ловушкой, усовершенствованный возможностями 2D MS/MS. Виды бактерий определяли на уровне липидов с помощью моделей машинного обучения, включая метод случайного леса, метод k-ближайших соседей, многослойный персептрон и сверточные нейронные сети. Исследовательская группа изучает применение этой технологии в портативных устройствах для полевого использования, что еще больше повысит ее практическую ценность в реальных условиях мониторинга окружающей среды.

Это исследование связывает аналитическую химию и вычислительную биологию, предлагая быстрый, точный и доступный метод для классификации бактерий. В перспективе он поможет своевременно выявить и нейтрализовать биологические угрозы.

📌 Публикация: Gonzalez, L. E. et al. Machine-Learning Classification of Bacteria Using Two-Dimensional Tandem Mass Spectrometry. Anal. Chem. 2023, 95, 17082-17088.

BY ИИХ