Курс Nestarenie для начинающих ученых
Для тех, кто хочет разбираться в биологии старения с целью проведения исследований в области увеличения продолжительности жизни человека и разработки моделей ИИ для увеличения продолжительности жизни – успеваемость.
Автор курса – Веремеенко Дмитрий, сфера профессиональной деятельности – data science в медицине, основатель исследовательского проекта, изучающего терапии, направленные на увеличение продолжительности жизни человека, сооснователь сервиса для продления жизни, основатель форума о продлении жизни Nestarenie Camp, со-автор книги “Бонусные годы“, обладатель премии Leaders Club 2021 года за вклад в развитие антивозрастной медицины, создатель справочного блога о старении человека (nestarenie.ru), WhatsApp: +7 925 9244328 Dmitriy-tae@yandex.ru
Требования:
1. Отсутствие страха перед математикой и программированием.
2. Выполнение домашних заданий ко всем урокам.
3. Наличие Microsoft Excel, PowerPoint, Word, а остальное установим в процессе.
4. Выполнять домашние задания, либо на Microsoft Word, либо Excel, либо PowerPoint, а также в других программах. После выполнения домашнего задания файлы следует сохранить в формате pdf (или .ipynb) и выслать на проверку (успеваемость). Также в процессе работы будем использовать Python, Jupyter Notebook, Google Colab, Terminal – установим и разберемся в этом в процессе.
5. Уроки будут on-line, а также в записи
Старт с 26 февраля 2024 года, длительность – до сентября 2025 года
Стоимость: бесплатно. Количество мест – 90, а также 20 мест в резерве для студентов из страны, где я проживаю.
На сегодня мест не осталось, но места могут освобождаться.
Я решил предоставлять образовательный контент бесплатно, потому что верю, что процесс обучения других является мощным инструментом для углубления собственных знаний. Существует мудрость, гласящая: чтобы досконально разобраться в теме, попробуй объяснить её другим. Преподавание заставляет меня вникать в тонкости предмета, а студенты, выступая в роли критиков и рецензентов, помогают мне улучшать и развивать мои знания. Таким образом, наши уроки становятся взаимно обогащающим процессом.
Помимо этого, одной из моих целей является подготовка квалифицированных специалистов для участия в наших проектах.
Содержание курса
- Строение клетки, ДНК, РНК, рибосомы, белок, эпигенетика, коллаген, митохондрии, нокауты генов, гормон роста, инсулин подобный фактор роста 1-го типа, mTOR, понятие рецепторов гормонов, внеклеточный матрикс, стволовые клетки, жесткость артерий, гены, матриксные металлопротеиназы, тимус, B-клетки (B-лимфоциты) иммунитета, Т-клетки (Т-лимфоциты) иммунитета.
- Генеральная совокупность
- Выборка
- Вероятность
- Логарифм
- и др.
- Математический подход к старению, нестарению и омоложению.
- Использование Закона Гомпертца.
- Анализ времени удвоения вероятности смерти.
- Смертность в контексте МКБ.
- Ректангуляризация кривых выживания.
- Исследование кривых смертности.
- Ограничения Закона Гомпертца.
- Замедление скорости старения.
- Отличия в механизмах старения у людей и животных.
- Недостоверность доклинических исследований.
- Застой в биологии старения.
- Разрыв между экспериментами и мнениями экспертов.
- Разработка часов биологического возраста.
- Старение как квазипрограмма.
- Влияние эволюции на темпы старения у различных видов.
- Пересмотр представлений о старении голого землекопа.
- Гренландская акула как объект для изучения экстремального долголетия.
- Ограничения продления жизни, связанные с износом эластина.
- Использование параллельного переноса и ректангуляризации для определения биологического возраста.
- Роль рандомизированных контролируемых исследований в изучении старения.
- Анализ отношения опасности в исследованиях долголетия.
- Преобразование риска в эквивалентные годы жизни.
- Потенциальное увеличение ожидаемой продолжительности жизни человека.
- Причины развития атеросклероза.
- Как снизить риск атеросклероза до пренебрежимо низкого уровня.
- Перспективы медицины в области атеросклероза.
- Установка и использование ChatGPT4
- Задание на лето – поиск данных
- Математическое моделирование для управления рисками смертности и продления жизни до 150 лет.
- Технологии восстановления эластина для замедления старения.
- Разработка искусственных органов
- Таргетная терапия для устранения клональной экспансии и связанных с ней заболеваний.
- Генная терапия для лечения болезни Паркинсона.
- Разработка модели машинного обучения для прогнозирования смертности и определения факторов, влияющих на продление жизни человека.
- Сбор и обработка данных для обучения искусственного интеллекта в области долголетия.
- ИИ и компьютерный интеллект управляют долголетием человека
- Пациент и врач не способны к объективной оценке
- Почему связь не является причиной
- Никому не доверяем, все проверяем
- Нахождение размера выборки
- Математическое ожидание и среднее значение выборки
- Генеральная совокупность и выборочная совокупность
- Среднее квадратическое отклонение
- Надежность
- K-критерий оценки
- Критерий оценки Фишера Z
- Нахождение доверительного интервала
- Рандомизация
- Проспективность и ретроспективность
- Основные критерии, свидетельствующие об успешности эксперимента
Каникулы
- Среда для работы
- Colab.research.google.com/
- Функция print()
- Операции со строками
- Целые числа и дробные
- Арифметические операции
- Типы данных
- Переменные
- input()
- Форматирование строк
- Условия
- Конструкции if
- Конструкция else
- Конструкция elif
- Сразу два условия
- Хотя бы одно из условий
- Условный цикл while
- Действия со строками
- Методы строк
- Списки
- Цикл for()
- Кортеж
- Словарь
- Создание функции
- Позиционные аргументы
- Именованные аргументы
- Возврат значения из функции
- Функции – часть 2
- Полезные инструменты – часть 1
- Принцип работы
- GPT (Generative Pre-trained Transformer)
- BERT (Bidirectional Encoder Representations from Transformers)
- T5 (Text-to-Text Transfer Transformer)
- Механизм Self-Attention (само-внимание)
- Симантическое сходство
- Эмбеддинги
- Косинусовое сходство
- Загрузка предобученной модели и обучение
- стоп-слова
- пробелы и лишние символы,
- пунктуация и нижний регистр,
- токенизация, лемматизация
- Функция поиска подходящего ответа из датасета, используя эмбеддинги, созданные BERT
- Применение для поиска релевантной информации в области биологии старения и радикального продления жизни человека
- Принцип создания датасета.
Задача – предсказать с помощью ML следующие целевые переменные:
- Окружность талии
- СКФ (формула CKD-EPI)
- Систолическое артериальное давление
- Холестерин-ЛПНП
- Холестерин-ЛПВП
- Триглицериды
- С-реактивный белок, высокочувствительный
- Глюкоза
- Гликированный гемоглобин (HbA1)
- Тиреотропный гормон (ТТГ)
Урок 39. От гена до белка, синтез белка на Biopython - 24 ноября 2025 (20:00 по Москве)
Урок 40. Мутации и база данных NCBI SNP - 1 декабря 2025 (20:00 по Москве)
Урок 41. Лабораторные методы: получение ДНК и белков, ПЦР, гель-электрофорез, база данных NCBI protein, structure, PDB - 8 декабря 2025 (20:00 по Москве)
Урок 42. Секвенирование - 15 декабря 2025 (20:00 по Москве)
Урок 43. Итоговый проект - 22 декабря 2025 (20:00 по Москве)
Прикладная статистика в медицине
- Планирование исследований
- Описательная статистика и распределение вероятностей
- Популярные параметрические и непараметрические тесты: введение
- Тесты для 3 и более групп сравнения, post-hoc тестирование
- Пермутационный тест, бутстрап анализ и метод максимального правдоподобия
- Регрессионные модели
- Анализ выживаемости: введение
- Консультация по итоговому проекту. Тема проекта – определение эффективности препарата для лечения рака
- Обзор профессии и вакансии
- Источники медицинских данных
- Data Science в разработке и тестировании лекарств
- Клинические исследования
- Персонифицированная и предиктивная медицина
- Типы медицинских данных
Работа в проекте Nestarenie Global
-
Обязанности:
- Разработка моделей увеличения ожидаемой продолжительности жизни
- Поиск новых генов, ассоциируемых с долголетием
- Разработка инструментов персонифицированной и предиктивной медицины для продления жизни
- Data Science в разработке и тестировании лекарств
- Аналитика в биологии старения
6 комментариев
Дмитрий, здравствуйте.
Скажите, можно ли у вас получить консультацию по поводу результата исследования на длину теломер?
Рекомендует только врач. Я не врач, но делюсь данными исследований.
Отрезайте у ссылок http:
# Длина теломер не являются основным фактором старения
Корреляция относительной длины теломер с возрастом – 9% означает, что R^2 равен 0.0081 = -0,09*-0,09. Коэффициент детерминации R^2 равный 0.0081 для относительной длины теломер с возрастом, означает, что только 0.81% изменчивости длины теломер объясняется возрастом. Относительная длина теломер не являются основным фактором старения, и подавляющая доля (99.19%) влияния обусловлена другими факторами. Сравним с другим исследованием и найдем в нем тоже корреляцию для относительной длины теломер с возрастом, которая была измерена таким же методом – ПЦР в реальном времени. Она равна −0.295. То есть если мы сравниваем относительную длину с относительной длиной. И тогда коэффициент детерминации R^2 равен 0.087 = -0,295*-0,295. Коэффициент детерминации R^2 равный 0. 087 для относительной длины теломер с возрастом, означает, что только 8.7% изменчивости длины теломер объясняется возрастом. Таким образом относительная длина теломер не являются основным фактором старения, и подавляющая доля (91.3 – 99.19%) влияния обусловлена другими факторами.
Разница в длине теломер между людьми с самыми длинными и самыми короткими теломерами составляет 3,5 раза, но на продолжительность жизни это влияет слабо — всего около 2 лет. Это рассчитали по формуле Гомпертца: -10 * LN(0,82) = примерно 2 года. При этом просто здоровый образ жизни добавляет в среднем 13 лет жизни. Так что, если выбирать, полезнее купить кроссовки и начать бегать, чем стремиться удлинить теломеры.
В исследовании использовали человеческие диплоидные фибробласты, находившиеся в состоянии репликативного старения, которые помещали на молодой внеклеточный матрикс (не клетки, а каркас от молодого организма), чтобы проверить влияние окружающей среды на стареющие клетки, ведь клетки в организме не висят в воздухе, а находятся во внеклеточном матриксе. Было установлено, что длина теломер в стареющих клетках увеличивалась, приближаясь к уровню, характерному для молодых клеток. Этот процесс происходил без активации теломеразы, что указывает на альтернативный механизм удлинения теломер, независимый от активности теломеразы.
[https://pubmed.ncbi.nlm.nih.gov/29920523] [https://pubmed.ncbi.nlm.nih.gov/23333817] [https://pubmed.ncbi.nlm.nih.gov/34151374/] [https://pubmed.ncbi.nlm.nih.gov/29712712/] [https://pubmed.ncbi.nlm.nih.gov/21108727/]Дмитрий, я не врач, не ученый и не умею кодить. Изучаю тело, через него механизмы старения. Читаю вас, соглашаюсь через внутреннее – “да”, есть дитскутабельные позиции, с высоты маленького опыта. Есть ли шанс преодолеть парсеки – попасть в вашу вселенную? Желание – всепоглощающее, силы изучать – чувствую и понимание времени и погружения -есть.
– Что думаете по поводу английского языка?
– Важен ли он для изучения медицины и науки долголетия?
– Или можно уже обойтись Гугл или Яндекс переводчиками?
– Возникает вопрос: Зачем его учить, если нейросети переводят быстро и качественно?
Как думаете, китайский язык в научной сфере скоро вытеснит английский или нет?
Рекомендует только врач. Я не врач, но делюсь данными исследований.
Отрезайте у ссылок http:
В принципе языки ИИ переводит хорошо.
Пишите здесь комментарии