D:
In che modo l'apprendimento automatico influisce sui test genetici?
UN:L'apprendimento automatico viene applicato ai test genetici in molti modi diversi.
Le applicazioni sono quasi infinite. L'apprendimento automatico sta aiutando gli scienziati ad analizzare il DNA, decodificare il genoma umano, valutare i fenotipi della malattia, comprendere l'espressione genica e persino partecipare a un processo chiamato editing genetico, in cui il DNA è in realtà "impiombato" nel codice genetico di un organismo.
| Download gratuito: Machine Learning e perché è importante |
Anche i metodi di informatica utilizzati nell'apprendimento genetico variano molto. Alcuni progetti utilizzano l'apprendimento supervisionato, in cui tutti i dati sono stati precedentemente etichettati. Altri usano l'apprendimento senza supervisione, che si basa su insiemi di dati senza etichetta, o un mix dei due principi chiamato apprendimento semi-supervisionato.
Molte delle tecnologie di test genetici rivolte al consumatore che vediamo sul mercato stanno usando una qualche forma di apprendimento automatico o intelligenza artificiale per funzionare. Ad esempio, i prodotti che aiutano a mostrare di più agli individui sulla loro composizione genetica potrebbero aver beneficiato dell'apprendimento automatico nella ricerca e sviluppo o nell'analisi in corso di campioni.
In molti modi, il test genetico è il campo perfetto per le applicazioni di apprendimento automatico, in parte a causa degli enormi volumi di dati che questi programmi devono affrontare. Ad esempio, lavorare sul genoma umano implica decifrare miliardi di informazioni, e prima dell'avvento dell'apprendimento automatico, molti di questi compiti erano piuttosto scoraggianti.
Ad esempio, Google ha un programma chiamato DeepVariant che secondo gli scienziati può ora essere utilizzato per mappare completamente il genoma umano, che può essere utilizzato su tutto lo spettro delle informazioni genetiche di una persona.
Agenzie come il National Institutes of Health stanno documentando i molti modi in cui l'apprendimento automatico e l'intelligenza artificiale contribuiscono a una migliore comprensione della genetica e della genomica, il ramo della biologia molecolare che copre la scienza genetica. C'è persino una "scuola" di machine learning chiamata evoluzionismo che copre molti dei compiti di machine learning classificati rilevanti per il lavoro genetico. Alla fine, l'apprendimento automatico sta fungendo da catalizzatore per uno sviluppo più rapido e diversificato nella ricerca e ingegneria genetica.
