首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

企业数字化转型呈现十大发展趋势

以互联网为代表的新一轮技术革命,从重要特征看,正从“点”的爆发转向“群”的突破,可称之为“新技术群”;从主要内容看,包括大数据、云计算、物联网、区块链、人工智能、3D技术、5G技术、量子技术,等等;从发展趋势看,从PC互联网到移动互联网,从消费互联网到产业互联网,从互联网到物联网,从万物互联到万物智能,从物联网到智联网,从弱人工智能到强人工智能,从强人工智能到超人工智能;从经济效应看,大大推动企业降本、提效、增值,特别是降低“三个成本”:基于信息通信技术ICT引致的交易成本降低,基于人工智能技术AIT引致的生产成本降低,基于“新技术群”革命引致的组织成本降低。

01
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    BIB | DeepDTAF:一种预测蛋白质与配体结合亲和力的深度学习方法

    配体与蛋白质之间的生物分子识别在药物发现和开发中起着至关重要的作用。然而,通过实验来确定蛋白与配体的结合亲和力是非常耗时耗力的。目前,已经提出了许多预测结合亲和度的计算方法,其中大多数通常需要蛋白质的三维结构,而这种结构并不常用。因此,需要新的方法充分利用序列水平的特征来预测蛋白质与配体的结合亲和力,加快药物发现过程。作者开发了一种新的深度学习方法DeepDTAF,来预测蛋白质与配体的结合亲和力。DeepDTAF是结合局部和全局上下文特征构建的。更具体地说,蛋白质口袋具有一些特殊的特性,可以直接与配体结合,这种特性首次被用作预测蛋白质与配体结合亲和力的局部输入特征。此外,空洞卷积被用来捕获多尺度的长程相互作用。作者将DeepDTAF与最新的方法进行了比较,实验结果表明DeepDTAF是一个可靠的预测工具。

    07

    Anal. Chem. | PepFormer:基于Transformer的对比学习框架

    今天给大家介绍的是山东大学魏乐义教授课题组在分析化学领域顶级期刊Analytical Chemistry上发表的文章“PepFormer: End-to-End Transformer-Based Siamese Network to Predict and Enhance Peptide Detectability Based on Sequence Only”。多肽的可检测性在鸟枪蛋白质组学实验中至关重要。目前,虽然基于多肽序列组成或理化性质的预测多肽可检测性的计算方法有很多,但都存在诸多不足。在这篇论文中引入了PepFormer,一种新型的端到端孪生网络架构,它将Transformer和GRU组合在一起,能够仅基于肽序列预测肽的可检测性。特别地,论文首次采用对比学习的方法,构造了一个新的模型训练损失函数,大大提高了预测模型的泛化能力。比较结果表明,模型在两个物种(智人和小家鼠)的基准数据集上的表现明显优于最先进的方法。

    02

    Bioinformatics | 通过一种多通道蛋白质的特征化来解决深度学习下药物发现中亲和力预测问题

    今天给大家介绍中东技术大学的V. Atalay教授等人在Bioinformatics期刊上发表的文章“MDeePred: novel multi-channel protein featurization for deeplearning-based binding affinity prediction in drug discovery”。鉴定生物活性小分子与靶蛋白之间的相互作用对于新药发现、药物再利用和揭示脱靶效应至关重要。由于化学反应空间规模巨大,生物活性实验筛选工作往往需要计算方法的协助。而尽管深度学习模型在预测生物活性化合物方面取得了不错的效果,但寻求一种全面且有效的蛋白质特征化方法作为神经网络的输入仍然是一个挑战。为了解决这一问题,作者提出了一种多通道的蛋白质特征化方法,称为MDeePred,它将多种类型的蛋白质特征整合成多个二维向量,然后传入混合深度神经网络以预测化合物与靶蛋白的相互作用,并在多个实验数据集上都取得了不错的效果。

    02

    京东自建数据中心核心技术解密——运营管理篇

    随着电子商务、云计算、大数据、人工智能、互联网金融等应用的快速发展,数据中心单体规模越来越大、系统越来越复杂,应对的挑战也越来越多。 一个好的数据中心需要通过科学的运维管理,充分利用技术和设备资源,将运行成本降到最低,同时能源利用率最大化。 京东在宿迁的自建数据中心,按照世界一流数据中心的理念设计和建设,也按照国际先进的运营管理模式投入运行。 作为数据中心生命周期中最重要的一环,如何针对基础设施,各种IT设备,信息与数据,应用软件等各方面展开数据中心的运维管理,为基础设施和信息系统提供稳定可靠的运行环境,确

    08

    梦之墨陈柏炜:基于液态金属的价值点,让电子制造打破时空限制 | 镁客请讲

    室温液态金属,让电子制造打破时空的限制。 说到室温液态金属,可能大多数人都没听说过这个概念。 简单的说,室温液态金属是多种金属的合金,它的熔点和粘度低,室温下具有水一样的流动性,同时其导电性强、稳定性好,不仅无毒且不易与其他物质反应,即便在2000摄氏度的条件下也不易挥发。 像下面这些: 如同手工绘制的艺术品,其实是通过这种特殊新材料制作的。 那么,这种和我们印象完全不同属性和形态的液态金属,到底从何而来,又能给我们带来什么神奇的变革呢? 带着这样的疑问,我们采访了全球首创室温液态金属增材制造技术的初创企业

    00

    翟东海:腾讯教育聚焦基础教育核心场景,沉淀精品产品

    4月20日,腾讯教育第二届MEET教育科技创新峰会在北京举行。本届峰会以“深耕·生长”为主题,来自教育主管部门、各级院校的专家嘉宾聚首,共同探讨教育信息化发展的未来之路。 腾讯智慧教育运营总经理翟东海发表主题演讲 在基础教育专场论坛上,腾讯智慧教育运营总经理翟东海发表了主题演讲。演讲中,他为大家介绍了近年来腾讯智慧教育在基础教育产品方面的深耕成果,并从教学场景、考试场景、家庭场景、教师发展与教育管理场景等方面,详细阐述了AI和大数据的技术是如何与教育核心场景相结合的。 为方便您快速阅读,我们整理了嘉宾

    03

    Nat.Commun. | AI指导发现炎症性肠病保护治疗方法

    本文介绍美国加利福尼亚州圣地亚哥加利福尼亚大学圣地亚哥分校多学科的研究者合作发表于Nature Communications的工作:作者以炎症性肠病(IBD)为例,概述了一种用于靶点识别和验证的无偏见AI辅助方法。作者构建了一个网络,其中基因簇通过突出不对称布尔关系的有向边连接。作者使用机器学习,确定了一条连续状态的路径,它能最有效地预测疾病结果。这条路径富含维持肠道上皮屏障完整性的基因簇。作者利用这一见解选择合适的临床前小鼠模型进行靶点验证,并设计源自患者的类器官模型,使用多变量分析在源自患者的类器官中证实了治疗功效的潜力。这种AI辅助方法确定了IBD中一种一流的肠道屏障保护剂,并预测了候选药物的III期试验成功。

    04
    领券