Apprentissage automatique et intelligence artificielle

Nous avons passé les 20 dernières années à construire la meilleure compétence métabolomique au monde. Aujourd'hui, nous permettons, accélérons et soutenons le développement de médicaments par la découverte de biomarqueurs, la compréhension des mécanismes d'action, la stratification des patients, etc.

Metabolon mesure les changements biochimiques par l'étude de petites molécules afin de fournir une compréhension approfondie des systèmes biologiques. La science des données permet l'amélioration continue de nos capacités de pointe, ce qui nous permet d'offrir une vision plus large que celle de n'importe quel autre fournisseur de services métabolomiques.

Dans le cadre de nos initiatives en matière de science des données, nous tirons parti de l'intelligence artificielle et des technologies d'apprentissage automatique pour extraire des informations et reconnaître des modèles de données de manière informatique. Les capacités d'apprentissage automatique de Metabolonaméliorent le débit de nos données, identifient les signatures biochimiques et détectent les anomalies afin d'assurer un contrôle de qualité précis et rapide. Notre science des données et nos capacités d'apprentissage automatique permettent d'améliorer la couverture, la qualité, les délais d'exécution, les interprétations et, en fin de compte, la réussite de l'étude pour nos clients.

L'efficacité de l'apprentissage automatique est étroitement liée à la précision, à l'étendue et à la cohérence des données sur lesquelles il est entraîné. Bien avant l'essor de la science des données, les professionnels de Metabolon produisaient des ensembles de données curées par des experts, des analyses statistiques précises et des rapports contenant des informations biologiques approfondies.

L'apprentissage automatique nous permet d'obtenir ces mêmes données de haute qualité, mais beaucoup plus rapidement. Nous pouvons amener un ensemble de données directement au contrôle de qualité grâce à l'apprentissage automatique, ce qui permet de gagner du temps en effectuant automatiquement la curation initiale. L'apprentissage automatique nous permet également de déterminer rapidement et avec certitude les composés présents et ceux qui ne l'ont jamais été, ce qui réduit considérablement, voire élimine, la nécessité de faire appel à des experts humains pour prendre ces décisions.

Basé sur des données historiques, l'apprentissage automatique alimente un utilitaire de curation automatique qui peut curer de nombreux composés de routine. Prenons l'exemple du cholestérol, que l'on trouve facilement dans le plasma humain et qui n'est donc pas une utilisation efficace de l'expertise du personnel pour identifier positivement ce composé. Avec l'aide d'outils d'apprentissage automatique, nous pouvons tirer parti des compétences de nos curateurs experts humains pour rechercher la présence de sulfate d'éthylparabène, qui présente souvent des ions interférents, ou pour différencier des composés tels que l'isoleucylglycine et l'alanylvaline. Ces composés ne sont pas séparés par chromatographie mais présentent une fragmentation MS/MS distincte, contenant généralement une grande variété d'informations.