[Musica]
Ho quattro figli e tutti amano la matematica
e la logica enigma l’inizio del
anno scolastico gli ho chiesto perché amano
puzzle matematici e logici così tanto e il mio 11
la risposta di anni è perché sono un
il detective è perché sono un problema
risolutore e amo risolvere i problemi
sul mondo e in modo sintetico sul mio
l’undicenne ha riassunto quello che sono stato
sentendo tutta la mia carriera che ho
misteri e problemi che voglio
risolvi e il modo in cui lo farò è vicino
imparare tanto sull’apprendimento automatico
come forse è possibile , perché è la macchina
imparando lo strumento giusto per risolverli
misteri in genomica e biologia e
la medicina bene penso per pensare
su questo dobbiamo prima discutere il
due culture nell’apprendimento automatico giusto
ora così leo breiman era un professore alla UC
Berkeley dove ho fatto il mio dottorato in
statistiche e lui è ben noto per
metodi di costruzione e modelli come a
foreste casuali che risolvono il mondo reale
problemi in modo elegante è passato
lontano nel 2005 e nel suo necrologio è
citato come detto agli studenti ricorda
quella grande avventura della statistica
è nel raccogliere e utilizzare i dati per risolvere
interessante e importante mondo reale
problemi quindi era chiaramente un detective
anche nel 2001 leo breiman ha scritto un articolo
chiamato modello statistico i due
culture e in questo articolo egli descrive
le due culture in apprendimento automatico
di cui parlerò come il
scatola nera che era leu breiman
sostenendo e l’altro sto andando
chiamare la scatola aperta così quando pensiamo
sull’analisi dei dati nel mondo reale
diciamo che abbiamo un’osservazione X questo
l’osservazione potrebbe essere un’immagine sul
Internet potrebbe essere la scansione fMRI da
un paziente e poi abbiamo un po ‘di Y che
potrebbe essere l’etichetta per quell’osservazione
quindi l’immagine su internet potrebbe essere
etichettato come gatto o la scansione fMRI potrebbe essere
etichettato come disturbo bipolare o sano
quindi nell’approccio black box alla modellazione
questi dati useremo qualcosa
come un albero decisionale o reti neurali
in un modo bruto modellare il modello
relazione tra x e y ok perché
è la forza bruta perché non lo facciamo nemmeno
tenta di modellare la natura è una scatola nera
non possiamo aprirlo e abbiamo anche bisogno di un
molti dati per essere in grado di modellarlo
relazione senza
sicuramente fingendo di modellare la natura del
l’approccio open box è molto diverso quindi
usiamo modelli molto semplificati come
analisi fattoriale lineare e logistica
regressione e correlazione canonica
analisi per provare una natura approssimativa noi
essenzialmente costruire uno scaffold basato su
quello che pensiamo sia la relazione
tra xey e poi riempire
impalcatura nell’uso dei dati la buona notizia è
che ci vuole molto meno dati ma il
la cattiva notizia è che abbiamo davvero bisogno di sapere
qualcosa sul nostro dominio che siamo
lavorando per essere in grado di costruire questo
impalcatura in modo appropriato quindi se stiamo usando
un metodo di scatola nera per provare ed etichettare
immagini su Internet diciamo noi
inizia con centomila
immagini etichettate alcune delle quali hanno gatto
e alcuni dei quali non poi quando vediamo
una nuova foto su internet con alto
precisione possiamo etichettare questa immagine cat così
Brad Efron che è molto distinto
lo statistico ha scritto una risposta ai due
carta delle culture che difende la scatola aperta
approccio e nella sua risposta dice il
l’intero punto della scienza è aprirsi
scatole nere capiscono le loro parti interne e
costruire migliori pox ai fini di
umanità
e penso che questo sinteticamente riassuma
esattamente quello che penso di questa scatola aperta
approccio dove abbiamo bisogno di aprire la scatola
modella la natura e guarda cosa sta succedendo
dentro vedi cosa abbiamo imparato dal
dati
quindi ora se applico l’approccio open box
per provare ad etichettare le immagini sul
internet potrei vedere questa immagine di un gatto
di nuovo e potrei dire che è un gatto e non
un ippopotamo perché ha un
bellissima struttura che assomiglia a a
gatto il naso è esattamente il naso di un gatto il
la pelliccia è un modello ripetuto che è nel
forma di un gatto ha orecchie sfocate che ha
una coda sembra un gatto
quindi sto spiegando perché sto dando questo
etichetta di gatto ma per questo particolare
problema non ci interessa perché l’etichetta è
la cosa più importante non è la stessa cosa
vero se si ha una scansione fMRI di a
paziente non possiamo semplicemente dire questo paziente
ha il disturbo bipolare o no abbiamo bisogno di
sai perché abbiamo bisogno di sapere di cosa si tratta
su quella scansione fMRI che ci permette di
dare a questo paziente una diagnosi, quindi come fare
in realtà apriamo la scatola quindi in questi
problemi biomedici , diciamo che siamo
studiando una malattia cerebrale rara e noi
hanno forse 10.000 pazienti nel mondo
a tutti con questa malattia del cervello che è
non abbastanza pazienti, anche se possiamo vedere
tutti loro saranno in grado di usare Blackbox
metodi per diagnosticare questi pazienti solo
perché i segnali che differenziano
questa malattia del cervello da tutti gli altri
le malattie del cervello saranno molto molto
difficile da trovare quindi la scatola aperta
il metodo invece è un impalcatura di tutti
i possibili modi in cui piccoli numeri di
geni e biomarcatori e scansione fMRI
le immagini possono forse essere responsabili di questo
etichetta di questa malattia e usando solo
una piccola quantità di dati e questo
impalcatura rappresentativa che possiamo restringere
giù le cause di questa malattia molto
efficacemente usando pochi campioni piccoli
numero di punti dati in modo che questi casella aperta
i metodi ci permettono di cercare le cause
e meccanismi e modelli nei dati
e poi come detective dobbiamo guardare
a quei modelli apri la scatola e
capire cosa rappresentano questi schemi
in termini di biologia così come lo facciamo questo
lavoro investigativo dato che abbiamo
schemi che troviamo modelli in questi
set di dati complessi che ora possiamo allegare ciascuno
di quei modelli a processi specifici
nella cellula che porta alla malattia e al
effetti di quelle malattie di nuovo sul
cell e una volta che li conosciamo, possiamo iniziare
pensando alle cause dell’etichettatura
come disegnare diagnosi fin dalle prime fasi
pazienti con una particolare malattia e
quindi trattamenti che trattano la malattia
e non necessariamente i sintomi così
andiamo un po ‘più a fondo a questo
approccio a scatola aperta per il problema di
pensando ai livelli di espressione genica così
Diciamo che ho 500 pazienti e un gene
livelli di espressione per quei pazienti in
i 20.000 geni che possono essere espressi
nel sangue intero quindi questo sarà un tutto
campione di sangue ma invece di gene
livelli di espressione dovrei dire che possiamo essere
parlando di genotipi dalle persone
in tutto il mondo o laboratorio e segni vitali
dai pazienti in ospedale, quindi diciamo
allora possiamo anche separare il nostro gruppo
di pazienti in quelli con cuore
malattia e quelli senza cuore
malattia quindi la prima cosa che potremmo fare
con un metodo box aperto si calcola il
livelli medi di espressione genica per quelli
20.000 geni per i pazienti con il cuore
malattia e l’espressione genica media
livelli per quelli senza malattie cardiache
e quindi possiamo confrontare quelle medie
molto ingenuamente per vedere quali geni
espresso in modo diverso e il cuore
malattia contro la non malattia cardiaca
pazienti ma nel mio lavoro facciamo un passo
inoltre e se si pensa a ciascuno di
questi pazienti nessuno del loro gene
i livelli di espressione saranno esattamente come
il medio la media ma quei modelli
nascosta nel modo in cui i geni variano dalla
medio in modo particolare ora posso pensare
su coppie e gruppi di geni che
differiscono dall’espressione genica media
livelli in modo coordinato e questo
il coordinamento ci dà indizi su cosa sia
andando avanti nei dati quindi cosa potrebbero questi
i modelli coordinati rappresentano bene
a volte è un’informazione biologica
che possiamo usare così per esempio è
possibile che alcuni geni differiscano dal
medio perché c’è diverso
proporzioni di cellule immunitarie in quelle
pazienti che possono significare che hanno iniziato
per combattere un’infezione potrebbe essere
perché c’è una mutazione genetica rara in
alcuni di questi pazienti che in realtà
sovraregolare due o tre geni nel giusto
quei pazienti potrebbe essere perché
ci sono alcune cellule che hanno già
ha iniziato un programma precanceroso e tu
può già vedere la prova di questo in
i cambiamenti in una manciata di celle
dalle differenze medie dalla media
potrebbe anche venire perché due
i campioni sono stati eseguiti su macchine diverse
o in realtà un tecnico diverso in
il laboratorio ha preparato leggermente il campione
diversamente
questi potrebbero essere rappresentativi di
fattori biologici riguardo al paziente
come la loro età il loro sesso o il loro
l’etnia potrebbero persino essere stile di vita
scelte quindi abbiamo trovato geni che variano
la media secondo se il
paziente era un fumatore di tabacco o non così
questo davvero incapsula perché questo è aperto
l’approccio al box è così potente in medicina
per me perché un numero limitato di
i campioni possono trovare questi schemi nascosti
di variazione e poi con detective
lavoro possiamo effettivamente mettere il nome delle etichette
ognuno di quei modelli di variazione
secondo le loro cause e le loro
fonti biologiche quindi voglio dirtelo
rapidamente circa tre storie di successo
A proposito di scatola aperta la scienza che è venuto fuori
il mio gruppo recentemente così il primo
comporta un documento che è stato pubblicato per ultimo
settimana e l’obiettivo del documento era quello di
descrivere come le mutazioni in un genoma
i livelli di espressione dell’impatto in modo diverso
attraverso sani tessuti umani 44 sani
tessuti umani e il mio ruolo in questo
progetto doveva considerare le mutazioni
identificare le mutazioni nel genoma che
livelli di espressione genica affetti per
geni che non si trovavano sullo stesso
cromosoma come quella mutazione così abbiamo
23 cromosomi nell’uomo e pensiamo
su ciò che questo in realtà coinvolto in modo
ci sono quattro milioni di misure di
mutazioni in un genoma che stavamo pensando
attraverso 44 diversi tipi di tessuti umani
ci sono 20.000 geni espressi in ciascuno
di questi tipi di tessuto così abbiamo sciolto il nostro
core eseguendo tre virgola cinque
trilioni di test statistici per identificare
quello che finì per essere solo circa 500
associazioni okay
quindi diamo un’occhiata a uno di quelli
associazioni e parlare di ciò che abbiamo fatto
per dare seguito a questo
così nelle cellule tiroide lo abbiamo trovato
c’è una mutazione che influenza il gene
livelli di espressione di due geni fuori
il cromosoma e solo in tiroide mi dispiace
questo è uno scatterplot del 44
diversi tessuti e quello superiore
quello verde è la tiroide, questo in realtà è un
assaggiare un campione di tessuto da uno dei nostri
donatori in questi progetti della loro tiroide
e abbiamo trovato questa associazione era
molto eccitante perché si scopre che
questa mutazione nello studio precedente è stata
associato a un più alto rischio di tiroide
il cancro quindi sembra Rhonda
cosa qui essendo un detective noi
guardò intorno alla regione di questo
mutazione sul genoma e lo abbiamo trovato
c’è un gene molto vicino a questo
la mutazione si chiama foxy one, quindi foxy one è
speciale perché è specifico per la tiroide
fattore di trascrizione che significa che è
espresso solo nei tessuti tiroidei e
che quando è regolato nella tiroide
i tessuti che c’è un effetto a cascata
e molti altri geni in tiroide sono anche
up regolato quindi questo è stato davvero eccitante
di nuovo ci sentiamo come se fossimo su qualcosa
ma quando guardammo la nostra scatola nera
metodi statistici che buttano via tutto
della variazione che non può essere spiegata
non siamo riusciti a trovare alcuna associazione tra
la mutazione e foxy uno e tutti
questi geni che dovrebbe influenzare
è quando apriamo la scatola che abbiamo applicato
questi metodi statistici che ci consentono
entrare e indagare su cosa sta succedendo
qui e non solo abbiamo trovato un
associazione tra la mutazione e
foxy uno e molti geni a valle ma
siamo stati in grado di replicare il segnale dentro
un campione di 500 tumori tumorali tumorali
pazienti con cancro alla tiroide che
è abbastanza sbalorditivo per i segnali di questo
questo piccolo quindi la seconda storia che volevo
per dirti che ha a che fare con il
genomica dei tessuti così per l’esatto
stesso studio di cui sto parlando
in realtà aveva diapositive di campioni di tessuto
immagini patologia da circa 2.000 del
campioni che sono stati abbinati al gene
livelli di espressione quindi questi campioni
rappresenta campioni di tessuto da a da a
donatore dove li macchia e li mette
sotto un microscopio e fare una fotografia
di loro e questo è quello che stai vedendo
qui questi sono cervelletto e cerebrale
campioni di corteccia quindi cosa abbiamo fatto aprendo
la scatola questa volta non è stata trovata
solo modelli coordinati di variazione
nell’espressione genica ma in piccoli gruppi di
geni che sono stati coordinati con l’immagine
caratteristiche così in altre parole quando questi
i geni erano differenziali, quindi erano questi
set di caratteristiche dell’immagine e di nuovo apertura
la scatola che siamo riusciti a sapere
per la prima volta identifica una mutazione
quello in individui con due copie di
che la mutazione hanno tessuto cerebrale che
guarda in un modo e zero copie di quello
la mutazione ha tessuti cerebrali che sembrano
in un altro modo e siamo stati in grado di fare il
la stessa identica cosa con una mutazione muscolare
per il tessuto muscolare dove
con due copie di quella mutazione
tessuto muscolare che sembrava abbastanza
diverso da individui con zero
copie di quella mutazione quindi il terzo
la storia riguarda l’apprendimento automatico della scatola aperta
per aiutare i medici , eccoci qui
collaborando con i medici presso
Ospedale dell’Università della Pennsylvania e
ci hanno dato l’accesso a 270.000 pazienti
nel loro ambiente ospedaliero nel
impostazione ospedaliera e il nostro obiettivo in questo
lo studio era imparare come raccomandare a un
medico quando rimuovere un paziente da a
ventilatore da un ventilatore meccanico
quindi i dottori sono conservatori quando loro
rimuovere un paziente da un ventilatore
perché loro non vogliono averlo
riorientare il paziente in modo comprensibile
ma c’è in realtà un impatto negativo
tenere un paziente anche su un ventilatore
a lungo possono sviluppare infezione o
dipendenza e quindi ovviamente la nostra macchina
metodo di apprendimento che è stato in grado di guardare
attraverso questi 270.000 pazienti possono iniziare
dare consigli ai medici ma se
sei un dottore, non c’è ragione per cui lo faresti
accetta una macchina che ti dice cosa fare
perché la macchina non è stata per med
scuola come te ne hai bisogno
prova che è la cosa giusta da fare
in quel momento così insieme a questo
raccomandazione il nostro sistema dice il
i medici quali segni quali segni vitali e
quali risultati di laboratorio e circa il
prendere il paziente gli dà un motivo per
raccomandare che è ora di rimuovere a
paziente da un ventilatore in altre parole
in tutti i pazienti che questa macchina
ha visto finora come fanno i segni e
i sintomi suggeriscono che questo paziente è
andando a fare bene fuori da un ventilatore e
allora come posso comunicarlo a a
dottore in modo che seguiranno questo
raccomandazione e questo è un particolare
esempio dove 40 ore prima del medico
rimosso questo paziente da un ventilatore
il nostro sistema di raccomandazione ha detto che lo era
probabilmente sicuro di farlo, quindi sto andando molto
brevemente vi dirò su due dei
metodi che uso nella macchina aperta della scatola
imparare uno è chiamato fattore sparse
analisi quindi questa matrice Y è esattamente la
matrice di cui ho parlato
dove abbiamo campioni o pazienti o
donatori e 20.000 livelli di espressione genica
tutto dopo il segno di uguale è cosa
dobbiamo imparare in questo impalcato
modello della natura va bene e in particolare
quando pensi a queste colonne
della mia matrice lambda le colonne K ciascuna
di quelli saranno un componente
la variazione in altre parole sono
sarà un sottoinsieme di geni coordinati
che differiscono insieme e la chiave su
quello è che ci sarà solo un
un piccolo numero di geni, quindi una volta adattato questo
modello posso tornare indietro e guardare ciascuno di
quelle componenti K trovano quei piccoli set
di geni che hanno variazione coordinata
e scavare dentro usando il mio lavoro investigativo
e la mia comprensione della biologia a
capire cosa c’è di sbagliato con
quei particolari insiemi di geni così rari
l’analisi di correlazione canonica ci porta
un passo avanti e non solo trovare piccoli
set di geni ma coordina anche quello
con un altro tipo di osservazione in questo
caso abbiamo guardato le caratteristiche dell’immagine e ora
non sta trovando solo set di geni
differire modo coordinato ma set di immagini
funzionalità che sono anche coordinate e
questo ci consente di abbinare realmente più persone
tipi di dati e più fonti di dati così
è molto eccitante quindi ce ne sono due reali
difficoltà nell’applicazione di questi metodi
a problemi di dati reali e il primo
è necessario conoscere davvero molto
il dominio su cui stai lavorando o tu
non posso costruire questo scaffold nel
modo appropriato e non puoi fare il
il detective lavora in un modo preciso che io
non posso risolvere per te, ma l’altro è
che la disponibilità di questi metodi
non è onnipresente come ad esempio in profondità
l’apprendimento è adesso, quindi c’è molto
di strumenti software che ti permettono di fare
questo ma non molto che ti permettono di fare
analisi di correlazione canonica sparsa così
Sto lavorando con ingegneri del software
adesso per cercare di ottenere questi metodi
sviluppare gratuitamente per l’uso per tutti e io
spero che le persone nella scienza mi prendano
su di esso così ora voglio parlarti
alla prossima domanda voglio rispondere al
prossimo perché voglio scoprirlo
così lo scorso marzo mia madre è scomparsa
complicanze dovute alla demenza di Lewy
LBD è una malattia neurodegenerativa in cui
hai sintomi che includono la memoria
e problemi comportamentali e parkinsoniani
come la rigidità nei muscoli di te
mescolare la demenza del corpo di Lewy è impossibile
diagnosticare prima della morte, quindi devi
muori e fai l’autopsia definitivamente
trova questa diagnosi e come la trovi
è che hai un tessuto cerebrale come il
uno che vedi sopra con un corpo Lois in esso
che è quel blob marrone il problema è
che anche se si danno farmaci per il trattamento
La demenza del corpo di Lewy non ce n’era davvero
trattate le cause perché non lo facciamo davvero
conoscere le cause della demenza del corpo di Lewy
e infatti se trattiamo i sintomi
spesso questi farmaci sono controindicati
quindi provi a curare il parkinsoniano
come i sintomi la memoria e il comportamento
i sintomi peggiorano e viceversa, quindi io
che abbiamo un sacco di dati che abbiamo
in realtà bisogno di iniziare a mettere il
pezzi insieme e risolvere questo problema
in una scatola aperta così in altre parole noi
avere mutazioni che sono legati alla
la demenza generalmente definita non necessariamente
Corpo di Lewy dall’associazione genome-wide
studi capiamo come le mutazioni
influenzare le cellule cerebrali e i tessuti da questo
lavoro di cui ti ho parlato prima e
abbiamo molte immagini di autopsia
individui da autopsie di persone
con la demenza del corpo di Lewy quindi mi sento come
abbiamo solo bisogno di costruire questi box aperti
modelli per essere in grado di mettere i pezzi
insieme e poi in modo iterativo
inizia a costruire nuovi modelli nuovi scaffold
di come possiamo generare nuove ipotesi
dai segnali i modelli che siamo
trovando in questi dati e forse anche andare
fuori e produrre alcuni dati di abilitazione per
rispondi alle domande più direttamente ma
le implicazioni di fare questo di
mettere insieme questi pezzi
gigantesco se riusciamo a capire le cause
se sono genetici o ambientali
di demenza di corpo di Lewy se possiamo diagnosticare
questi pazienti non dopo la morte ma
dodici anni prima che finiscano davvero
morendo dal corpo di Lewy e se possiamo trattare
non solo i sintomi ma le cause di
La demenza del corpo di Lewy di cui stiamo parlando
risolvere le malattie qui che è qualcosa
Penso che sia davvero importante per tutti
uno di noi solo per natura di essere umano
è curioso e ci sono specifici
domande che abbiamo sul mondo e
sulla natura e spero che lo farai
che la prossima volta si dispone di una domanda che
vuoi per risolvere un mistero e che ci si
Mi piace parlare così pensi di usare
gli strumenti in box science aperti per essere in grado
costruire scatole per il miglioramento di
l’umanità grazie
[Applausi]
Ho quattro figli e tutti amano la matematica
e la logica enigma l’inizio del
anno scolastico gli ho chiesto perché amano
puzzle matematici e logici così tanto e il mio 11
la risposta di anni è perché sono un
il detective è perché sono un problema
risolutore e amo risolvere i problemi
sul mondo e in modo sintetico sul mio
l’undicenne ha riassunto quello che sono stato
sentendo tutta la mia carriera che ho
misteri e problemi che voglio
risolvi e il modo in cui lo farò è vicino
imparare tanto sull’apprendimento automatico
come forse è possibile , perché è la macchina
imparando lo strumento giusto per risolverli
misteri in genomica e biologia e
la medicina bene penso per pensare
su questo dobbiamo prima discutere il
due culture nell’apprendimento automatico giusto
ora così leo breiman era un professore alla UC
Berkeley dove ho fatto il mio dottorato in
statistiche e lui è ben noto per
metodi di costruzione e modelli come a
foreste casuali che risolvono il mondo reale
problemi in modo elegante è passato
lontano nel 2005 e nel suo necrologio è
citato come detto agli studenti ricorda
quella grande avventura della statistica
è nel raccogliere e utilizzare i dati per risolvere
interessante e importante mondo reale
problemi quindi era chiaramente un detective
anche nel 2001 leo breiman ha scritto un articolo
chiamato modello statistico i due
culture e in questo articolo egli descrive
le due culture in apprendimento automatico
di cui parlerò come il
scatola nera che era leu breiman
sostenendo e l’altro sto andando
chiamare la scatola aperta così quando pensiamo
sull’analisi dei dati nel mondo reale
diciamo che abbiamo un’osservazione X questo
l’osservazione potrebbe essere un’immagine sul
Internet potrebbe essere la scansione fMRI da
un paziente e poi abbiamo un po ‘di Y che
potrebbe essere l’etichetta per quell’osservazione
quindi l’immagine su internet potrebbe essere
etichettato come gatto o la scansione fMRI potrebbe essere
etichettato come disturbo bipolare o sano
quindi nell’approccio black box alla modellazione
questi dati useremo qualcosa
come un albero decisionale o reti neurali
in un modo bruto modellare il modello
relazione tra x e y ok perché
è la forza bruta perché non lo facciamo nemmeno
tenta di modellare la natura è una scatola nera
non possiamo aprirlo e abbiamo anche bisogno di un
molti dati per essere in grado di modellarlo
relazione senza
sicuramente fingendo di modellare la natura del
l’approccio open box è molto diverso quindi
usiamo modelli molto semplificati come
analisi fattoriale lineare e logistica
regressione e correlazione canonica
analisi per provare una natura approssimativa noi
essenzialmente costruire uno scaffold basato su
quello che pensiamo sia la relazione
tra xey e poi riempire
impalcatura nell’uso dei dati la buona notizia è
che ci vuole molto meno dati ma il
la cattiva notizia è che abbiamo davvero bisogno di sapere
qualcosa sul nostro dominio che siamo
lavorando per essere in grado di costruire questo
impalcatura in modo appropriato quindi se stiamo usando
un metodo di scatola nera per provare ed etichettare
immagini su Internet diciamo noi
inizia con centomila
immagini etichettate alcune delle quali hanno gatto
e alcuni dei quali non poi quando vediamo
una nuova foto su internet con alto
precisione possiamo etichettare questa immagine cat così
Brad Efron che è molto distinto
lo statistico ha scritto una risposta ai due
carta delle culture che difende la scatola aperta
approccio e nella sua risposta dice il
l’intero punto della scienza è aprirsi
scatole nere capiscono le loro parti interne e
costruire migliori pox ai fini di
umanità
e penso che questo sinteticamente riassuma
esattamente quello che penso di questa scatola aperta
approccio dove abbiamo bisogno di aprire la scatola
modella la natura e guarda cosa sta succedendo
dentro vedi cosa abbiamo imparato dal
dati
quindi ora se applico l’approccio open box
per provare ad etichettare le immagini sul
internet potrei vedere questa immagine di un gatto
di nuovo e potrei dire che è un gatto e non
un ippopotamo perché ha un
bellissima struttura che assomiglia a a
gatto il naso è esattamente il naso di un gatto il
la pelliccia è un modello ripetuto che è nel
forma di un gatto ha orecchie sfocate che ha
una coda sembra un gatto
quindi sto spiegando perché sto dando questo
etichetta di gatto ma per questo particolare
problema non ci interessa perché l’etichetta è
la cosa più importante non è la stessa cosa
vero se si ha una scansione fMRI di a
paziente non possiamo semplicemente dire questo paziente
ha il disturbo bipolare o no abbiamo bisogno di
sai perché abbiamo bisogno di sapere di cosa si tratta
su quella scansione fMRI che ci permette di
dare a questo paziente una diagnosi, quindi come fare
in realtà apriamo la scatola quindi in questi
problemi biomedici , diciamo che siamo
studiando una malattia cerebrale rara e noi
hanno forse 10.000 pazienti nel mondo
a tutti con questa malattia del cervello che è
non abbastanza pazienti, anche se possiamo vedere
tutti loro saranno in grado di usare Blackbox
metodi per diagnosticare questi pazienti solo
perché i segnali che differenziano
questa malattia del cervello da tutti gli altri
le malattie del cervello saranno molto molto
difficile da trovare quindi la scatola aperta
il metodo invece è un impalcatura di tutti
i possibili modi in cui piccoli numeri di
geni e biomarcatori e scansione fMRI
le immagini possono forse essere responsabili di questo
etichetta di questa malattia e usando solo
una piccola quantità di dati e questo
impalcatura rappresentativa che possiamo restringere
giù le cause di questa malattia molto
efficacemente usando pochi campioni piccoli
numero di punti dati in modo che questi casella aperta
i metodi ci permettono di cercare le cause
e meccanismi e modelli nei dati
e poi come detective dobbiamo guardare
a quei modelli apri la scatola e
capire cosa rappresentano questi schemi
in termini di biologia così come lo facciamo questo
lavoro investigativo dato che abbiamo
schemi che troviamo modelli in questi
set di dati complessi che ora possiamo allegare ciascuno
di quei modelli a processi specifici
nella cellula che porta alla malattia e al
effetti di quelle malattie di nuovo sul
cell e una volta che li conosciamo, possiamo iniziare
pensando alle cause dell’etichettatura
come disegnare diagnosi fin dalle prime fasi
pazienti con una particolare malattia e
quindi trattamenti che trattano la malattia
e non necessariamente i sintomi così
andiamo un po ‘più a fondo a questo
approccio a scatola aperta per il problema di
pensando ai livelli di espressione genica così
Diciamo che ho 500 pazienti e un gene
livelli di espressione per quei pazienti in
i 20.000 geni che possono essere espressi
nel sangue intero quindi questo sarà un tutto
campione di sangue ma invece di gene
livelli di espressione dovrei dire che possiamo essere
parlando di genotipi dalle persone
in tutto il mondo o laboratorio e segni vitali
dai pazienti in ospedale, quindi diciamo
allora possiamo anche separare il nostro gruppo
di pazienti in quelli con cuore
malattia e quelli senza cuore
malattia quindi la prima cosa che potremmo fare
con un metodo box aperto si calcola il
livelli medi di espressione genica per quelli
20.000 geni per i pazienti con il cuore
malattia e l’espressione genica media
livelli per quelli senza malattie cardiache
e quindi possiamo confrontare quelle medie
molto ingenuamente per vedere quali geni
espresso in modo diverso e il cuore
malattia contro la non malattia cardiaca
pazienti ma nel mio lavoro facciamo un passo
inoltre e se si pensa a ciascuno di
questi pazienti nessuno del loro gene
i livelli di espressione saranno esattamente come
il medio la media ma quei modelli
nascosta nel modo in cui i geni variano dalla
medio in modo particolare ora posso pensare
su coppie e gruppi di geni che
differiscono dall’espressione genica media
livelli in modo coordinato e questo
il coordinamento ci dà indizi su cosa sia
andando avanti nei dati quindi cosa potrebbero questi
i modelli coordinati rappresentano bene
a volte è un’informazione biologica
che possiamo usare così per esempio è
possibile che alcuni geni differiscano dal
medio perché c’è diverso
proporzioni di cellule immunitarie in quelle
pazienti che possono significare che hanno iniziato
per combattere un’infezione potrebbe essere
perché c’è una mutazione genetica rara in
alcuni di questi pazienti che in realtà
sovraregolare due o tre geni nel giusto
quei pazienti potrebbe essere perché
ci sono alcune cellule che hanno già
ha iniziato un programma precanceroso e tu
può già vedere la prova di questo in
i cambiamenti in una manciata di celle
dalle differenze medie dalla media
potrebbe anche venire perché due
i campioni sono stati eseguiti su macchine diverse
o in realtà un tecnico diverso in
il laboratorio ha preparato leggermente il campione
diversamente
questi potrebbero essere rappresentativi di
fattori biologici riguardo al paziente
come la loro età il loro sesso o il loro
l’etnia potrebbero persino essere stile di vita
scelte quindi abbiamo trovato geni che variano
la media secondo se il
paziente era un fumatore di tabacco o non così
questo davvero incapsula perché questo è aperto
l’approccio al box è così potente in medicina
per me perché un numero limitato di
i campioni possono trovare questi schemi nascosti
di variazione e poi con detective
lavoro possiamo effettivamente mettere il nome delle etichette
ognuno di quei modelli di variazione
secondo le loro cause e le loro
fonti biologiche quindi voglio dirtelo
rapidamente circa tre storie di successo
A proposito di scatola aperta la scienza che è venuto fuori
il mio gruppo recentemente così il primo
comporta un documento che è stato pubblicato per ultimo
settimana e l’obiettivo del documento era quello di
descrivere come le mutazioni in un genoma
i livelli di espressione dell’impatto in modo diverso
attraverso sani tessuti umani 44 sani
tessuti umani e il mio ruolo in questo
progetto doveva considerare le mutazioni
identificare le mutazioni nel genoma che
livelli di espressione genica affetti per
geni che non si trovavano sullo stesso
cromosoma come quella mutazione così abbiamo
23 cromosomi nell’uomo e pensiamo
su ciò che questo in realtà coinvolto in modo
ci sono quattro milioni di misure di
mutazioni in un genoma che stavamo pensando
attraverso 44 diversi tipi di tessuti umani
ci sono 20.000 geni espressi in ciascuno
di questi tipi di tessuto così abbiamo sciolto il nostro
core eseguendo tre virgola cinque
trilioni di test statistici per identificare
quello che finì per essere solo circa 500
associazioni okay
quindi diamo un’occhiata a uno di quelli
associazioni e parlare di ciò che abbiamo fatto
per dare seguito a questo
così nelle cellule tiroide lo abbiamo trovato
c’è una mutazione che influenza il gene
livelli di espressione di due geni fuori
il cromosoma e solo in tiroide mi dispiace
questo è uno scatterplot del 44
diversi tessuti e quello superiore
quello verde è la tiroide, questo in realtà è un
assaggiare un campione di tessuto da uno dei nostri
donatori in questi progetti della loro tiroide
e abbiamo trovato questa associazione era
molto eccitante perché si scopre che
questa mutazione nello studio precedente è stata
associato a un più alto rischio di tiroide
il cancro quindi sembra Rhonda
cosa qui essendo un detective noi
guardò intorno alla regione di questo
mutazione sul genoma e lo abbiamo trovato
c’è un gene molto vicino a questo
la mutazione si chiama foxy one, quindi foxy one è
speciale perché è specifico per la tiroide
fattore di trascrizione che significa che è
espresso solo nei tessuti tiroidei e
che quando è regolato nella tiroide
i tessuti che c’è un effetto a cascata
e molti altri geni in tiroide sono anche
up regolato quindi questo è stato davvero eccitante
di nuovo ci sentiamo come se fossimo su qualcosa
ma quando guardammo la nostra scatola nera
metodi statistici che buttano via tutto
della variazione che non può essere spiegata
non siamo riusciti a trovare alcuna associazione tra
la mutazione e foxy uno e tutti
questi geni che dovrebbe influenzare
è quando apriamo la scatola che abbiamo applicato
questi metodi statistici che ci consentono
entrare e indagare su cosa sta succedendo
qui e non solo abbiamo trovato un
associazione tra la mutazione e
foxy uno e molti geni a valle ma
siamo stati in grado di replicare il segnale dentro
un campione di 500 tumori tumorali tumorali
pazienti con cancro alla tiroide che
è abbastanza sbalorditivo per i segnali di questo
questo piccolo quindi la seconda storia che volevo
per dirti che ha a che fare con il
genomica dei tessuti così per l’esatto
stesso studio di cui sto parlando
in realtà aveva diapositive di campioni di tessuto
immagini patologia da circa 2.000 del
campioni che sono stati abbinati al gene
livelli di espressione quindi questi campioni
rappresenta campioni di tessuto da a da a
donatore dove li macchia e li mette
sotto un microscopio e fare una fotografia
di loro e questo è quello che stai vedendo
qui questi sono cervelletto e cerebrale
campioni di corteccia quindi cosa abbiamo fatto aprendo
la scatola questa volta non è stata trovata
solo modelli coordinati di variazione
nell’espressione genica ma in piccoli gruppi di
geni che sono stati coordinati con l’immagine
caratteristiche così in altre parole quando questi
i geni erano differenziali, quindi erano questi
set di caratteristiche dell’immagine e di nuovo apertura
la scatola che siamo riusciti a sapere
per la prima volta identifica una mutazione
quello in individui con due copie di
che la mutazione hanno tessuto cerebrale che
guarda in un modo e zero copie di quello
la mutazione ha tessuti cerebrali che sembrano
in un altro modo e siamo stati in grado di fare il
la stessa identica cosa con una mutazione muscolare
per il tessuto muscolare dove
con due copie di quella mutazione
tessuto muscolare che sembrava abbastanza
diverso da individui con zero
copie di quella mutazione quindi il terzo
la storia riguarda l’apprendimento automatico della scatola aperta
per aiutare i medici , eccoci qui
collaborando con i medici presso
Ospedale dell’Università della Pennsylvania e
ci hanno dato l’accesso a 270.000 pazienti
nel loro ambiente ospedaliero nel
impostazione ospedaliera e il nostro obiettivo in questo
lo studio era imparare come raccomandare a un
medico quando rimuovere un paziente da a
ventilatore da un ventilatore meccanico
quindi i dottori sono conservatori quando loro
rimuovere un paziente da un ventilatore
perché loro non vogliono averlo
riorientare il paziente in modo comprensibile
ma c’è in realtà un impatto negativo
tenere un paziente anche su un ventilatore
a lungo possono sviluppare infezione o
dipendenza e quindi ovviamente la nostra macchina
metodo di apprendimento che è stato in grado di guardare
attraverso questi 270.000 pazienti possono iniziare
dare consigli ai medici ma se
sei un dottore, non c’è ragione per cui lo faresti
accetta una macchina che ti dice cosa fare
perché la macchina non è stata per med
scuola come te ne hai bisogno
prova che è la cosa giusta da fare
in quel momento così insieme a questo
raccomandazione il nostro sistema dice il
i medici quali segni quali segni vitali e
quali risultati di laboratorio e circa il
prendere il paziente gli dà un motivo per
raccomandare che è ora di rimuovere a
paziente da un ventilatore in altre parole
in tutti i pazienti che questa macchina
ha visto finora come fanno i segni e
i sintomi suggeriscono che questo paziente è
andando a fare bene fuori da un ventilatore e
allora come posso comunicarlo a a
dottore in modo che seguiranno questo
raccomandazione e questo è un particolare
esempio dove 40 ore prima del medico
rimosso questo paziente da un ventilatore
il nostro sistema di raccomandazione ha detto che lo era
probabilmente sicuro di farlo, quindi sto andando molto
brevemente vi dirò su due dei
metodi che uso nella macchina aperta della scatola
imparare uno è chiamato fattore sparse
analisi quindi questa matrice Y è esattamente la
matrice di cui ho parlato
dove abbiamo campioni o pazienti o
donatori e 20.000 livelli di espressione genica
tutto dopo il segno di uguale è cosa
dobbiamo imparare in questo impalcato
modello della natura va bene e in particolare
quando pensi a queste colonne
della mia matrice lambda le colonne K ciascuna
di quelli saranno un componente
la variazione in altre parole sono
sarà un sottoinsieme di geni coordinati
che differiscono insieme e la chiave su
quello è che ci sarà solo un
un piccolo numero di geni, quindi una volta adattato questo
modello posso tornare indietro e guardare ciascuno di
quelle componenti K trovano quei piccoli set
di geni che hanno variazione coordinata
e scavare dentro usando il mio lavoro investigativo
e la mia comprensione della biologia a
capire cosa c’è di sbagliato con
quei particolari insiemi di geni così rari
l’analisi di correlazione canonica ci porta
un passo avanti e non solo trovare piccoli
set di geni ma coordina anche quello
con un altro tipo di osservazione in questo
caso abbiamo guardato le caratteristiche dell’immagine e ora
non sta trovando solo set di geni
differire modo coordinato ma set di immagini
funzionalità che sono anche coordinate e
questo ci consente di abbinare realmente più persone
tipi di dati e più fonti di dati così
è molto eccitante quindi ce ne sono due reali
difficoltà nell’applicazione di questi metodi
a problemi di dati reali e il primo
è necessario conoscere davvero molto
il dominio su cui stai lavorando o tu
non posso costruire questo scaffold nel
modo appropriato e non puoi fare il
il detective lavora in un modo preciso che io
non posso risolvere per te, ma l’altro è
che la disponibilità di questi metodi
non è onnipresente come ad esempio in profondità
l’apprendimento è adesso, quindi c’è molto
di strumenti software che ti permettono di fare
questo ma non molto che ti permettono di fare
analisi di correlazione canonica sparsa così
Sto lavorando con ingegneri del software
adesso per cercare di ottenere questi metodi
sviluppare gratuitamente per l’uso per tutti e io
spero che le persone nella scienza mi prendano
su di esso così ora voglio parlarti
alla prossima domanda voglio rispondere al
prossimo perché voglio scoprirlo
così lo scorso marzo mia madre è scomparsa
complicanze dovute alla demenza di Lewy
LBD è una malattia neurodegenerativa in cui
hai sintomi che includono la memoria
e problemi comportamentali e parkinsoniani
come la rigidità nei muscoli di te
mescolare la demenza del corpo di Lewy è impossibile
diagnosticare prima della morte, quindi devi
muori e fai l’autopsia definitivamente
trova questa diagnosi e come la trovi
è che hai un tessuto cerebrale come il
uno che vedi sopra con un corpo Lois in esso
che è quel blob marrone il problema è
che anche se si danno farmaci per il trattamento
La demenza del corpo di Lewy non ce n’era davvero
trattate le cause perché non lo facciamo davvero
conoscere le cause della demenza del corpo di Lewy
e infatti se trattiamo i sintomi
spesso questi farmaci sono controindicati
quindi provi a curare il parkinsoniano
come i sintomi la memoria e il comportamento
i sintomi peggiorano e viceversa, quindi io
che abbiamo un sacco di dati che abbiamo
in realtà bisogno di iniziare a mettere il
pezzi insieme e risolvere questo problema
in una scatola aperta così in altre parole noi
avere mutazioni che sono legati alla
la demenza generalmente definita non necessariamente
Corpo di Lewy dall’associazione genome-wide
studi capiamo come le mutazioni
influenzare le cellule cerebrali e i tessuti da questo
lavoro di cui ti ho parlato prima e
abbiamo molte immagini di autopsia
individui da autopsie di persone
con la demenza del corpo di Lewy quindi mi sento come
abbiamo solo bisogno di costruire questi box aperti
modelli per essere in grado di mettere i pezzi
insieme e poi in modo iterativo
inizia a costruire nuovi modelli nuovi scaffold
di come possiamo generare nuove ipotesi
dai segnali i modelli che siamo
trovando in questi dati e forse anche andare
fuori e produrre alcuni dati di abilitazione per
rispondi alle domande più direttamente ma
le implicazioni di fare questo di
mettere insieme questi pezzi
gigantesco se riusciamo a capire le cause
se sono genetici o ambientali
di demenza di corpo di Lewy se possiamo diagnosticare
questi pazienti non dopo la morte ma
dodici anni prima che finiscano davvero
morendo dal corpo di Lewy e se possiamo trattare
non solo i sintomi ma le cause di
La demenza del corpo di Lewy di cui stiamo parlando
risolvere le malattie qui che è qualcosa
Penso che sia davvero importante per tutti
uno di noi solo per natura di essere umano
è curioso e ci sono specifici
domande che abbiamo sul mondo e
sulla natura e spero che lo farai
che la prossima volta si dispone di una domanda che
vuoi per risolvere un mistero e che ci si
Mi piace parlare così pensi di usare
gli strumenti in box science aperti per essere in grado
costruire scatole per il miglioramento di
l’umanità grazie
[Applausi]
Please follow and like us:
Be First to Comment