《核酸合成筛选框架》

  • 来源专题:计量基标准与精密测量
  • 发布时间:2024-05-06
  • 近日,根据拜登总统关于人工智能(AI)安全、可靠和值得信赖的发展的行政命令,美国白宫科技政策办公室(OSTP)发布了一份核酸合成筛查框架,以鼓励合成核酸供应商实施全面、可扩展和可验证的筛查机制。这个框架有助于管理人工智能的风险,以便我们能够在合成生物学中抓住它的好处。

    通过人工智能行政命令,拜登总统指示在整个经济中对人工智能采取行动,包括应用于生物技术和合成生物学的人工智能。核酸是生命科学研究与开发(R&D)的关键组成部分,包括开发新的生物医学产品、回收和能源生产的新策略,以及创造新的材料类别。至关重要的是,对核酸合成技术进行适当的管理,以促进积极的结果并防止邪恶的用途。核酸合成筛选是一种有效的、有针对性的措施,可以减少人工智能生物技术滥用的可能性。

    该框架建议合成核酸供应商根据卫生与公众服务部最近的指导意见,对采购进行筛选,以防止滥用。美国国家标准与技术研究院(NIST)将根据行政命令的指示,通过与行业合作制定筛查技术标准,进一步支持该框架的实施。

    根据行政命令的指示,在该框架发布后180天内,联邦研究资助机构将要求联邦研发资金的接受者仅从实施这些最佳实践的供应商处采购合成核酸。虽然该框架为联邦资助的研究制定了要求,但预计其他研究资助者可能会更广泛地采用这些要求。

相关报告
  • 《生物经济行动实施框架》

    • 来源专题:战略生物资源
    • 发布时间:2024-01-14
    •   2019年3月5日,美国生物质研究与开发理事会(BR&D)发布《生物经济计划:实施框架》战略报告。 该战略的愿景目标是:振兴美国生物经济,促进经济可持续增长、新的农业市场与就业、能源安全以及环境改善。
  • 《新框架可以解决生成对抗性网络中的模式崩溃问题》

    • 来源专题:新一代信息技术
    • 发布时间:2024-04-23
    •  杨教授的团队生成对抗性网络(GANs)被广泛用于通过学习真实样本的分布来合成复杂而真实的数据。然而,GANs面临的一个重大挑战是模式崩溃,其中生成的样本的多样性明显低于真实样本。GANs及其训练过程的复杂性很难揭示其模式崩溃的潜在机制。        中国科学院(CAS)中国科学技术大学(USTC)杨周旺教授领导的一个研究小组对模式崩溃的根本原因进行了深入调查,并提出了一个新的框架——动态GAN(DynGAN),以定量检测和解决GAN中的模式崩溃。他们的论文发表在《IEEE模式分析与机器智能汇刊》上。通过理论分析,研究小组发现,当实际数据中存在多种模式时,发电机损失函数相对于其参数是非凸的。具体而言,导致生成的分布仅覆盖真实分布的一部分模式的参数是发电机损失函数的局部极小值。为了解决模式崩溃的问题,该团队提出了一个统一的框架DynGAN。该框架可以在可观察鉴别器输出上建立阈值,以检测生成器未能生成的样本,称为折叠样本。基于折叠样本对训练集进行分割,然后在分割上训练动态条件生成模型。理论结果保证了DynGAN的渐进模式覆盖。在合成和真实世界数据集上的实验结果表明,DynGAN在解决地址模式崩溃方面超过了现有的GAN及其变体。这项研究不仅推进了对GAN的理论理解,而且为提高生成模型的模式覆盖率提供了一个至关重要的实施策略。