首页
热心肠日报
文献库
产业库
榜单
关于日报
《肠·道》演讲
往期精彩
《肠·道》2024
《肠·道》2023
《肠·道》2022
《肠·道》2021
《肠·道》2020
《肠·道》2019
《肠·道》2018
《肠·道》2017
关于《肠·道》
肠道大会
热心肠大会
热心肠智库
智库专家
专家动态
智库新闻
关于智库
奖学金
年度人物奖
更多
HOPE
会议信息
科学与艺术
学术专刊
R·AI
周刊
热心肠先生
研究院动态
关于我们
搜索
登录
关闭
手机邮箱登录
扫码登录
微信扫描二维码快捷登录
验证成功,将在
3
秒钟后跳转
已超时,请
重试
关闭
二维码登录
手机登录
邮箱登录
+86
+1
+852
+886
+81
+65
+61
+44
获取验证码
登录 / 注册
关闭
二维码登录
手机登录
邮箱登录
获取验证码
登录 / 注册
菌落形态
文章数:1篇
机器学习
Nature子刊:自动化+机器学习,助力大规模微生物培养
虽然测序技术的快速发展极大促进了研究人员挖掘微生物“暗物质”,但在微生物实验和机理研究方面培养组学仍然发挥着关键作用,传统的培养组学方法存在劳动密集型、规模化小、缺乏表型-基因型的整合等问题。近日,美国哥伦比亚大学研究人员在Nature Biotechnology发表最新研究,开发了一种自动化微生物组成像和分离的培养学(CAMII)平台,利用菌落形态学和基因组数据,可最大限度提高分离的微生物多样性,并能有针对性地挑选特定的菌属。总之,该研究为深入挖掘复杂生态样品中微生物“暗物质”提供了新的指导和见解,值得关注。
机器学习
高通量培养组学
研究论文
基础研究
自动化