珀金埃尔默致力于开发大数据分析预测算法在生命科学实验室的智能化应用。
珀金埃尔默Kings-AI
基于新兴的深度学习技术,不仅可以将各研发项目的数据打通,通过图形和语义的智能判断进行结构化和可视化,而且具有从大量集中的数据中自动提取高层数据特征和学习复杂映射关系的能力。
传统的回归模型可以在少量样本上拟合相对简单的非线性函数,深度学习利用神经网络学习网络输入和网络输出的复杂映射关系。Kings-AI内置的多种深度神经网络回归模型,根据不同应用场景和数据量,充分挖掘数据中的知识,实现准确的归类和预测。
(点击查看大图)
01
在药筛的应用中,研究组织、体液和血液样本,结构化现有的数据,构建适用于深度学习的训练集,用智能算法挖掘数据找到靶标,锁定结构靶点进行小分子药筛。
02
对实验结果全程追踪,数据全维度动态筛选,靶点智能匹配,评估小分子药物对细胞表型和多个参数的变化,以确定最佳候选药物,并通过数据可视化呈现。
03
内置的不同算法支持单变量和多变量的小分子对细胞反应分析和预测,实现快速准确且不断提升的用药方案,并结合大健康和主动健康管理系统进行用药指导。
▲高通量药物筛选系统
(点击查看大图)
例如:
explorer G3自动化机器人整合系统
应用于基因检测样品处理
▲高通量基因检测样品制备系统
(点击查看大图)
珀金埃尔默KINGS-APS
率先采用机器学习的多线排程算法,通过可视化的编辑器和模拟器设置工作流,平行多任务处理。动态的规划能力可以支持设备在线离线快速切换和异常状况的处理。因此,实现了全程可追溯和关键数据留痕的7天24小时无人值守自动运行。
(点击查看大图)
例如:
微观智能影像分析
高内涵和小动物活体成像
(点击查看大图)
基于深度神经网络构造的回归模型,智能提取数据特征,并且建立网络输入和网络输出之间的映射关系,实现端到端的学习。以海量图像为训练集,进行高效率、高准确率、客观的机器学习,从而对细胞质量、生存效率、形态特征、极化能力和亚细胞结构等进行多维度的量化分析。
(点击查看大图)
关注我们
更多
实验室智能化建设系列专题一 | 珀金埃尔默实验室自动化解决方案
厂商
2024.08.07
实验室智能化建设系列专题三 | 食品药品检验如何实现实验室智能化建设
厂商
2024.08.07
实验室智能化建设系列专题四 | 制药实验室的智能化建设
厂商
2024.08.07
实验室智能化建设系列专题六 | 疾控中心如何实现智能化建设
厂商
2024.08.07