Applicazioni del Machine Learning e del Deep Learning ai dati biologici

Titolo originale:

Applications of Machine Learning and Deep Learning on Biological Data

Contenuto del libro:

L'apprendimento automatico delle macchine caratterizza l'apprendimento automatico (ML). Si concentra sull'elaborazione di previsioni basate sui dati utilizzando algoritmi programmati. Il ML ha diverse applicazioni, tra cui la bioinformatica, una disciplina di studio e pratica che si occupa di applicare derivazioni computazionali per ottenere dati biologici. Comporta la raccolta, il reperimento, l'archiviazione, la manipolazione e la modellazione dei dati per l'analisi o la previsione tramite software personalizzati. In passato, la programmazione completa di algoritmi bioinformatici era un compito estremamente laborioso per applicazioni come la previsione delle strutture proteiche. Oggi, gli algoritmi che utilizzano il ML e il deep learning (DL) hanno aumentato la velocità e l'efficacia della programmazione di tali algoritmi.

Applications of Machine Learning and Deep Learning on Biological Data" è un esame dell'applicazione del ML e del DL a settori quali la proteomica, la genomica, i microarray, il text mining e la biologia dei sistemi. L'obiettivo principale è quello di coprire le applicazioni del ML ai problemi delle scienze biologiche, concentrandosi sui problemi legati alla bioinformatica. Il libro esamina argomenti e metodologie di ricerca all'avanguardia nel campo del ML applicato alla disciplina in rapida evoluzione della bioinformatica.

Il ML e il DL applicati ai dati biologici e di neuroimmagine possono aprire nuove frontiere per l'ingegneria biomedica, come il perfezionamento della comprensione di malattie complesse, tra cui il cancro e i disturbi neurodegenerativi e psichiatrici. I progressi in questo campo potrebbero portare allo sviluppo della medicina di precisione e di strumenti diagnostici automatizzati in grado di adattare i trattamenti medici agli stili di vita individuali, alla variabilità e all'ambiente.

I punti salienti includono:

⬤ Intelligenza artificiale nel trattamento e nella diagnosi della schizofrenia.

⬤ Un'analisi dell'effetto finanziario di ML e DL sulla sanità.

⬤ Un metodo di classificazione basato su XGBoost per la classificazione del cancro al seno.

⬤ Utilizzo del ML per prevedere le malattie squamose.

⬤ Applicazioni di ML e DL in genomica e proteomica.

⬤ Applicazione di ML e DL ai dati biologici.