SuperbugAi旗舰项目
![superbugai横幅](http://www.partyada.com/__data/assets/image/0011/2681678/superbugai-banner.jpg)
这个问题
抗微生物药物耐药性(AMR)是人类健康面临的最大威胁之一,在人类和动物中过度使用和滥用抗微生物药物加速了这一进程。
抗微生物药物耐药性的上升危及医院的运作和提供挽救生命的治疗,如重症监护、手术、癌症化疗、器官移植和新生儿护理。AMR病原体引起的感染严重影响患者的生存和住院时间,并导致数十亿美元的医疗保健费用。
![超级细菌AI标志](http://www.partyada.com/__data/assets/image/0004/2765740/Superbug_AI_Branding_FINAL.png)
解决方案
我们现在正处于一个激动人心的十字路口,可以利用基因组和数字卫生技术,利用人工智能方法开发智能“学习”卫生保健系统。
认识团队
这个SuperbugAi旗舰项目包括一个杰出的、多学科的、协作的团队,他们的专业知识和技能相结合,是这个创新项目取得成功的理想定位。工作小组将在项目的关键方面保持势头,并最终协调他们的努力以实现赠款的目标。
新闻
Anton Peleg博士在2021年6月举行的HealthData21会议上介绍了“SuperbugAI:整合电子病历和细菌基因组数据以对抗抗菌素耐药性”。
SuperbugAI项目最近在播客《与约翰·斯坦利共度2GB之夜》中得到了重点介绍。请听我和安东·法勒博士的对话,他谈到了对抗超级细菌所面临的挑战,以及将使我们取得胜利的新技术。
选定的出版物
- 麦克西克、内纳德等人。临床耐碳青霉烯肠杆菌中移动粘菌素耐药基因mcr-9.1在IncHI2“超质粒”上的沉默传播临床微生物学与感染(2021)。
- Macesic, Nenad, Oliver J. Bear Don 't Walk IV, Itsik Pe 'er, Nicholas P. Tatonetti, Anton Y. Peleg和Anne-Catrin Uhlemann。通过基因组数据的机器学习分析预测肺炎克雷伯菌表型多粘菌素耐药性。Msystems 5, no。3 (2020): e00656-19。
- Chen T, Rigby JD, McGee MD和Tyagi S。深度学习具有协调多组学数据以发现弱调控特征的潜力(版本1;没有同行评审]。F1000金博宝188欢迎你Research 2019, 8:2068(海报)
- Chen T和Tyagi S。用于表示多模态数据特征的无注释格式(版本1;没有同行评审]。[J] .金博宝188欢迎你中国科学:地球科学,2012,30(1):1 - 2。
- 陈涛,Abadi AJ, Lê曹嘉,Tyagi S。multiomics:一个用户友好的多组学数据协调R管道(版本1;同行评议:等待同行评议]。[j]科研金博宝188欢迎你进展,2021,(10):538