Bioengineering Clarion

2021-09-09 21:34:26 Нобелевские лаурета и огромные зарплаты - то что нужно индустрии Відкрити / Коментувати

2021-09-09 21:32:49 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/ Відкрити / Коментувати

2021-04-09 02:54:07







добро пожаловать в будущее Відкрити / Коментувати

2020-12-03 22:34:51 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 Відкрити / Коментувати

2020-10-19 14:12:52 )
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 Відкрити / Коментувати

2020-09-29 09:00:05 Відкрити / Коментувати

2020-09-28 22:25:13 Забавно) Відкрити / Коментувати

2020-09-28 22:14:19 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/ Відкрити / Коментувати

2020-09-15 10:56:59 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?) Відкрити / Коментувати