详细内容或原文请订阅后点击阅览

具有亚马逊基岩的生成AI原型会改变生命科学和基因组分析过程

2025年5月28日 18:36 33 Comments
X Twitter Instagram Mail

这篇文章探讨了使用生成AI模型和Amazon Bedrock部署文本到SQL管道，以向基因组学数据库提出自然语言问题。我们演示了如何使用AWS放大的AI助手Web界面，并解释用于生成SQL查询的及时工程策略。最后，我们提出了将服务部署在您自己的AWS帐户中的说明。

来源:亚马逊云科技 _机器学习
为10年以上的成本超过20亿美元，失败率超过90％，为患者提供了新药。 Biopharma公司必须申请将新药申请的分子市场（M2M）的市场价值流过程是资源密集型，冗长且风险高的。十分之九的生物制药公司是AWS客户，帮助他们简化和改变M2M流程可以帮助更快地向患者提供药物，降低风险并为我们的客户带来价值。PharmaceuticalCompanies正在采取一种新的药物发现方法，寻找人类基因组中的变种并将其与疾病联系起来。这种遗传验证方法可以通过关注疾病的根本原因和基因变体的根本原因来提高M2M价值流过程的成功率。如以下M2M值流图所示，研究过程（以及基础研究子过程）对于下游过程至关重要，在下游过程中，将基因变体与疾病联系起来，并且在疾病中链接到靶标，并且可以定义靶标生物。这可能是加快和降低患者提供新药的成本的关键一步。为了改变M2M价值流过程，我们的客户通过使用超过200万个测序的外体（表达为蛋白质的基因）的大型数据集将基因与疾病相关联。为此，客户的临床科学家必须通过使用在线基因组浏览器（一种机械的数据优先体验，无法完全满足用户的需求）开发方法来浏览庞大的数据集。从搜索查询开始以获取结果，导航级别，过滤，等待和重复搜索的典型交互可能是耗时且乏味的。将UI从传统的人类浏览器简化为对话式AI助手可以增强临床研究过程中的用户体验。生成AI是Evolutionar
庞大的 基因 基因组 基础研究 开发方法 提供 AI 数据集 靶标 价值 搜索的 乏味的 客户 相关联 患者 科学家 M2M 体验 失败率 机械的 过程 新药 方法 提高 疾病 传统的