图分析平台提供商TigerGraph宣布,全球技术和自然科学领域的领先大学丹麦工业大学正在将TigerGraph的高级图分析与机器学习和人工智能(AI)技术结合,以改善急性淋巴细胞白血病的治疗效果。
作为丹麦和瑞典的重大合作项目,丹麦工业大学的研究人员旨在为患有儿童癌症的每个人绘制遗传物质结构图。同时,该项目还是欧盟资助的iCOPE(区域间儿童肿瘤精密医学探索)更大合作项目的部分,研究过程从患者血液测试开始,通过全基因组测序(WGS)与RNA-seq表达数据配对,用于发现与增强子突变相关或可能由其引起的异常表达模式。iCOPE的长期目标是改善癌症儿童的诊断、治疗、治愈率以及整体生活质量。
研究过程生成大量数据,而使用TigerGraph将这些数据与患者的生活、疾病和治疗的各种其他数据点关联在一起,以便在更大程度上了解儿童患癌症的原因,并尽早提供诊断和更有效的治疗。
丹麦工业大学癌症系统生物学系卫生技术系博士Jesper Vang解释说:“我们当前的系统仅包含原始数据,例如基因型和全基因组测序数据。这些原始数据通过自定义管道运行,该管道调用遗传变量并在MySQL数据库中注释数据。但是,我们需要专门为临床人员使用的更轻松的工具,使他们能够查找遗传关联,而这正是图分析的理想用例。”
丹麦工业大学倾向选择能够提供所需性能的本地图数据库平台,他们评估了许多选项,尤其是Neo4j。但评估的最终结论是,只有TigerGraph可以扩展并提供项目所需的分析深度。Vang继续解释说:“在我们的测试中,Tigergraph是唯一提供最高性能并能够扩展到我们最终所需水平的解决方案。”
丹麦工业大学正处于整个系统上线的最后阶段,并且已经在结合AI、机器学习和翻译生物信息学领域的特定项目中使用,以创建可预测急性淋巴细胞白血病治疗中复发和毒性风险的模型。
TigerGraph欧洲、中东及非洲地区副总裁Martin Darling补充说:“丹麦工业大学和整个iCOPE项目的工作具有变革性,显示了创新技术在临床治疗的应用将能够在生命科学等领域获得突破性的洞察。我们很高兴Jesper Vang将在TigerGraph即将举行的Graph + AI全球峰会上介绍该项目的完整案例。”
TigerGraph将于4月21-22日在线举办“Graph + AI全球峰会”。作为图分析领域唯一公开的专业峰会,旨在通过图算法加速实现数据分析、人工智能和机器学习。峰会将涵盖客户案例研讨环节,邀请了来自全球最大企业、最具创新性的初创企业和大学的演讲嘉宾。
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。