큐:
기계 학습이 유전자 검사에 어떤 영향을 미칩니 까?
ㅏ:기계 학습은 여러 가지 방법으로 유전자 검사에 적용되고 있습니다.
응용 프로그램은 거의 끝이 없습니다. 기계 학습은 과학자들이 DNA를 분석하고, 인간 게놈을 해독하고, 질병 표현형을 평가하고, 유전자 발현을 이해하고, 유전자 편집이라는 과정에 참여할 수 있도록 도와줍니다. 여기서 DNA는 실제로 유기체의 유전자 코드에 "접합"됩니다.
| 무료 다운로드 : 기계 학습 및 중요한 이유 |
유전자 기계 학습에 사용되는 컴퓨터 과학의 방법도 상당히 다양합니다. 일부 프로젝트는 모든 데이터에 이전에 레이블이 지정된지도 학습을 사용합니다. 다른 사람들은 레이블이없는 데이터 세트 또는 준 감독 학습이라는 두 가지 원칙을 혼합하여 구축 된 비지도 학습을 사용합니다.
우리가 시장에서 보는 많은 소비자 대면 유전자 검사 기술은 어떤 형태의 기계 학습 또는 인공 지능을 사용하여 기능합니다. 예를 들어, 유전자 구성에 대해 개인에게 더 많은 정보를 제공하는 데 도움이되는 제품은 연구 개발 또는 시편의 지속적인 분석에서 머신 러닝의 이점을 얻을 수 있습니다.
여러면에서 유전자 검사는 부분적으로 이러한 프로그램과 경쟁해야하는 엄청난 양의 데이터로 인해 머신 러닝 응용 분야에 완벽한 분야입니다. 예를 들어, 인간 게놈에 대한 작업은 수십억 비트의 정보를 해독하는 것과 관련이 있으며, 기계 학습이 출현하기 전에 이러한 작업 중 상당수는 상당히 어려웠습니다.
예를 들어, 구글은 딥 바리안트 (DeepVariant)라는 프로그램을 가지고있다. 과학자들은 이제 인간 게놈을 완전히지도 화하는데 사용될 수있다.
국립 보건원 (National Institutes of Health)과 같은 기관은 기계 학습과 인공 지능이 유전 과학을 다루는 분자 생물학의 한 분야 인 유전학과 유전체학을 더 잘 이해하는 데 기여하는 많은 방법을 기록하고있다. 유전학과 관련된 분류 된 기계 학습 과제를 다루는 진화론이라고 불리는 기계 학습의“학교”도 있습니다. 결국 머신 러닝은 유전자 연구 및 엔지니어링 분야에서 더 빠르고 다양한 개발을위한 촉매제 역할을하고 있습니다.
