Главное — начать со старт кодона 🙂

Подписчики BioMedSchool, внимание! 🛍

У вас есть уникальная возможность освоить современные методы анализа данных в биоинформатике со скидкой.

Только до 14 октября вы можете получить скидку 10% на курсы:

🔹«Машинное обучение и анализ данных для ученых»
🔹 «Введение в технологии NGS. Работа с данными секвенирования».

Научитесь работать с большими биологическими данными, строить прогностические модели и многое другое!

Промокод на скидку 10%: BMS-KURS ⬅️

Хорошо зарабатывать и заниматься любимым делом? Конечно! Мы собрали самые горячие вакансии для биоинформатиков ⬇️

⚡️ NLP researcher в команду фармакологии в Sber AI Lab

😎 Биоинформатик (тематика - онкология) в ФГБУ ЦСП ФМБА

🐍 Биоинформатик с уверенным владением Python в ФГБУ ЦСП ФМБА

🗺 Data-Engineer (Middle) в Центр молекулярной онкологии «ОнкоАтлас»

А повысить свой грейд вам поможет наш курс «Машинное обучение и анализ данных для ученых»

Андрей Айгинин: «Если вы не умеете анализировать данные, то есть риск, что вас рано или поздно заменят роботы»

Все привыкли к тому, что Нобелевскую премию по химии у классических химиков часто «отбирают» молекулярные биологи – например, изобретатели CRISPR-редактирования (2020). Но в этот раз премии по физике и химии присудили за нейронные сети и алгоритмы анализа трехмерной структуры белков, и к такому повороту большинство из нас не было готово. Тренды и приоритеты меняются на наших глазах. Мы попросили преподавателя BioMedSchool Андрея Айгинина прокомментировать выбор Нобелевских комитетов.

Андрей Айгинин — биоинформатик с опытом работы в области анализа данных секвенирования, идентификации вирусов с использованием NGS, разработки новых лекарств и др., преподаватель курса «Машинное обучение и анализ данных для ученых» BioMedSchool. Слушатели изучают базовые функции и методы языка Python и осваивают навыки самостоятельной работы с большими объемами данных, получаемыми в ходе биологических экспериментов

Из трех Нобелевских премий по естественным наукам две — по физике и по химии — ушли информационным технологиям. Ваши ощущения по этому поводу? Гордость, радость? Шок?

Это естественный ход вещей, потому что наука трансформируется, все больше информационных технологий применяется для решения тех или иных задач. И в частности, машинное обучение, за которое дали эти премии, очень активно используется для анализа биологических данных и других научных данных

Так всегда теперь будет? Будущее естественных наук за IT, или это единичный случай?

Да, мы все чаще будем видеть, как Нобелевские премии и другие престижные награды даются за разработки в сфере информационных технологий, в частности в сфере искусственного интеллекта, потому что искусственный интеллект действительно помогает двигать науку вперед. Например, AlphaFold, который получил премию по химии, — это революция в мире биологии, революция в мире белков. Ученые научились предсказывать структуру для тех белков, которых они раньше не видели. Раньше это было невозможно, а теперь они могут это делать.

Объясните, пожалуйста, нашим читателям и вашим будущим студентам, что такое глубокое обучение и AlphaFold.

В двух словах объяснить, что такое глубокое обучение, довольно тяжело. Но, можно сказать так: есть задачи алгоритмические, где четко понятна последовательность действий, как вам решить такую задачу, а есть задачи с машинным обучением, где вы даете программе какой-то набор данных, она сама выучивает закономерности из этих данных, и вы потом можете эту модель использовать для прогнозирования тех или иных характеристик. Глубокое обучение не сильно отличается от машинного обучения в том плане, что это всего лишь его подразделение. Просто используются более продвинутые архитектуры нейронных сетей, и они затрачивают больше вычислительной мощности. Собственно говоря, поэтому начали развиваться активные видеокарты.

А если говорить про AlphaFold, то да, это одна из моделей глубокого обучения. В частности, она использует архитектуры transformer. Третья версия, AlphaFold3, уже, очевидно, использует и диффузионные модели. Все это современные архитектуры, и они помогают ученым предсказывать структуры белков. Более того, они могут помочь спрогнозировать, как два белка или несколько белков взаимодействуют друг с другом

У нас в программе курса есть ColabFold. Он как-то связан с AlphaFold?

ColabFold — это всего лишь инструмент доступа к AlphaFold. Он разработан для того, чтобы тем, кто хочет воспользоваться AlphaFold, не нужно было ставить огромную базу данных себе на компьютер, и если у них нет вычислительных мощностей — они тоже не нужны. Можно получить доступ к AlphaFold с помощью веб-браузера, свернуть свои белочки там, потом их просто скачать на свой компьютер и дальше анализировать.


Успей записаться на курс «Машинное обучение и анализ данных для ученых» BioMedSchool ⏪

ИИ, машинное обучение и AlphaFold: от Нобелевской премии по химии 2024 до вашей лаборатории

Как Нобелевская премия по химии 2024 года изменила биологию? Узнайте, как искусственный интеллект и машинное обучение революционизируют научные исследования. На вебинаре Андрей Айгинин и Илья Бушмакин расскажут о применении AlphaFold и других алгоритмов для анализа геномных данных, предсказания структуры белков и разработки новых лекарств.

Отличная возможность посмотреть как работать в AlphaFold!

О чём поговорим на эфире?

🟡 Как на практике использовать ИИ, если вы не Нобелевский лауреат?

👨‍💻 Как использовать простые алгоритмы для прогнозирования данных?

✅ Как оценить взаимодействие белков?

⚡️ Как превратить последовательность букв в трёхмерный белок?

⌨️ Как биотехнологические компании используют машинное обучение для решения реальных задач?

Присоединяйтесь, чтобы узнать, как эти технологии могут ускорить ваши исследования! Вы сможете пообщаться с практикующими специалистами и задать интересующие вас вопросы.

⏰ 17 октября в 19:00 по московскому времени

➡️Присоединиться к вебинару