计算生物工程的融合研究和培训:关于AI/ML驱动的生物膜材料相互作用发现的案例研究
Research square
|September 18, 2023
概括
本研究引入了融合培训框架,以弥合研究生教育和多学科研究期望之间的差距. 该计划成功地整合了数据科学,材料科学和生物工程,为学生准备融合研究角色.
科学领域:
- 生物工程和材料科学 生物工程和材料科学
- 计算生物学 计算生物学
- 数据科学和人工智能数据科学和人工智能
背景情况:
- 传统的研究学科在孤岛中运作,导致毕业生为新兴跨学科和融合研究做好准备的差距.
- 目前的研究生课程往往未能为学生提供多学科研究环境所需的技能,特别是在生物工程和材料科学等领域.
- 越来越复杂的科学挑战需要向融合研究迈进,需要新的培训方法.
研究的目的:
- 为研究生提出和评估一个新的融合培训框架.
- 弥合学术培训与现代研究实验室需求之间的专业知识差距.
- 通过使用计算方法,在物质生物学界面培养成功的融合学习体验.
主要方法:
- 实施一个为期18个月的高级数据科学研讨会,包括基于问题的学习,在线模块和数据收集.
- 在Google Collaborator上使用Jupyter笔记本进行试点解决方案,最终在面对面的研讨会中完成了项目.
- 形成由学生,博士后研究人员和来自不同领域的专家组成的多学科团队,包括数据科学,材料科学和生物膜工程.
主要成果:
- 研讨会涉及9名专家和14个策划项目,涉及数据科学 (AI/ML),材料科学,生物膜工程和生物界面.
- 八个由20多名学习者组成的团队在数字图像处理,基因表达分析和材料预测的交叉点解决了复杂的问题.
- 选择的项目在国际会议上进行了介绍,并提交了三个机器学习 (ML) 模型进行出版,其中三个生物工程毕业生获得了生物信息学工作.
结论:
- 开发的融合培训框架,利用基于问题的学习,有效地巩固和整合融合研究原则进入研究生课程.
- 学习者的反表明,在弥合专业知识差距和促进跨学科项目合作方面取得了成功的经验.
- 该计划展示了一个可行的模型,为学生准备在快速发展的跨学科科学领域的职业生涯.
