生命科学组织在研究和开发的各个阶段都会生成数十万 TB 的数据。但是,没有关系的数据几乎没有上下文。上下文至关重要,因为它会提高分析(尤其是机器学习)的预测准确性。知识图谱应运而生。
知识图谱将来自各种来源的异构数据结合起来,并将智能融入数据,为机器学习和分析提供必要的上下文。知识图谱是通向强大图分析的桥梁。
在“利用知识图谱加速生命科学领域的研发”活动中,您将了解知识图谱和图数据科学:它们如何充分利用关系的潜力,以及为什么它们是跨研发管线的制药工具箱中如此强大的补充。
在本月的“连接”活动中,我们将邀请来自领先制药公司的演讲嘉宾,分享他们在药物生命周期的各个阶段使用知识图谱的见解和实践经验——从靶点发现和临床试验到制造和供应链以及上市后监测。
注册以获取更多关于议程和演讲嘉宾的信息(一旦公布)。如果您无法参加整个活动,也没关系!所有注册的用户都将在活动结束后获得所有会议的点播访问权限——所以请务必立即注册。
高级销售工程师总监
Neo4j
副首席科学家
阿斯利康
市场和知识图谱工程经理
葛兰素史克
临床编程负责人
葛兰素史克
临床编程总监
葛兰素史克
PGS 运营洞察高级总监兼数据科学主管
辉瑞
首席执行官兼联合创始人
Neo4j
制药/医疗保健/生物技术领域现场工程专家
Neo4j
如有变更,恕不另行通知
Jesús Barrasa 博士,Neo4j 高级销售工程师总监
知识图谱和图数据科学:更多上下文,更准确的预测
Christos Kannas 博士,阿斯利康副首席科学家
用于反应和合成预测的知识图谱
Saqib Mir,葛兰素史克市场和知识图谱工程经理
端到端药物发现项目管理
Alexey Kuznetzov,葛兰素史克临床编程负责人
Jorine Putter,葛兰素史克临床编程总监
知识图谱将如何改进临床报告工作流程
Jonathan Lowe,辉瑞 PGS 运营洞察高级总监兼数据科学主管
Emil Eifrem,Neo4j 首席执行官兼联合创始人
与辉瑞的炉边谈话:使用知识图谱高效追踪药物谱系
Alexander Jarasch 博士,Neo4j 制药/医疗保健/生物技术领域现场工程专家
Neo4j 演示:使用知识图谱对糖尿病患者进行分类