自LMRL研讨会上一次在Neurips 2022(https://www.lmrl.org/)举行,对生物学的代表性学习兴趣已经激起了新的想法,并引发了传统方法,并引发了如何通过机器学习来最佳地捕捉生物系统复杂性的讨论。大规模公共DNA和RNA测序,蛋白质序列和3D结构,质谱和细胞绘画数据集(跳跃CP,RXRX3,人类细胞图集)的可用性促进了许多大型“基础模型”的生物学模型(Rozenblatt-ordos-poss-ord。2021; Fay等。2023; Chandrasekaran等。2023)。这些模型旨在从嘈杂,原始和非结构化的高维数据中提取“有意义的”表示,以解决各种生物学问题。
这项工作的两个主要成果包括 R 软件包“espresso”和一个模拟工具。R 软件包 (https://pjbouchet.github.io/espresso) 允许跨功能形式、物种和协变量进行剂量反应建模,以及跨物种和协变量进行模型选择。这是以前的方法无法实现的新功能。该软件包旨在灵活供研究界和海军环境合规团队使用。它包括使用 RJMCMC 进行多物种贝叶斯剂量反应模型选择的分步示例,以及根据需要和问题打开和关闭模型选择的不同元素的选项。一些软件包功能专门满足海军的需求,包括对来自俘虏研究的 CEE 数据所需的左删失,以及纳入风险函数数据。模拟工具探索了卫星标签数据在未来剂量反应函数中的作用。该工具和出版物扩大了在数据可用时将卫星标签数据纳入海军模型的讨论。
容量等级 = 20 MW RA RA RA RA 时间 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 注册容量等级 20 20 20 20 20 20 20 20 20 20 20 20 20 20 计量输出 70 65 60 55 32 18 12 15 45 60 65 70 75 72 68 容量可用性 20 15 10 5 0 0 0 0 5 12 15 20 20 20 20 容量 -- 20 20 20 20 -- -- 0 5 12 15 20 20 -- -- IMM 建议的容量计算 -- 15 10 5 0 -- -- 0 5 12 15 20 20 -- --