¿Cómo se aplica el aprendizaje automático en el campo de la biología?

Antecedentes de la subtipificación del cáncer: el cáncer es un conjunto de enfermedades heterogéneas. Clínicamente, el cáncer se divide en varios subtipos (subtipificación) para lograr mejores efectos del tratamiento y mejorar la probabilidad de supervivencia del paciente (generalmente ver supervivencia cinco años). tasa). Antes de que la gente hubiera observado completamente la genómica del cáncer, nadie sabía que había tantas diferencias entre los tumores de los pacientes. Teniendo en cuenta que las moléculas son la base de los fenotipos, la gente ha considerado dividir los tumores que son tan diferentes en algunos tipos, de modo que la similitud de los tumores dentro de los tipos sea alta y la similitud entre los tipos sea baja. Esto tiene muchos beneficios, siendo el más directo dar apoyo terapéutico a tumores cuya clasificación clínica es de poca utilidad. La principal aplicación del aprendizaje automático: el artículo que leo principalmente es el análisis de datos moleculares de varios tumores por parte de TCGA. Lo más importante es utilizar datos moleculares para la subtipificación. El aprendizaje no supervisado del aprendizaje automático juega un papel muy importante aquí. En términos generales, la subtipificación se realizará en función de un determinado tipo de datos, como datos de expresión genética, y algunos integrarán diferentes tipos de datos, como expresión, metilación, variación del número de copias, etc., antes de la subtipificación. Por lo tanto, esto también implica el problema del aprendizaje automático de cómo combinar datos heterogéneos. Por lo tanto, también se puede decir que el desarrollo de la genómica del cáncer ha promovido el desarrollo del aprendizaje automático; la predicción del fenotipo del paciente. Antecedentes: el centro de investigación de datos moleculares del cáncer en los últimos cinco o seis años debería ser TCGA (The Cancer Genome Atlas). Y ahora que este proyecto ha completado la secuenciación de todos los pacientes y el análisis de datos, su institución de investigación bioinformática GDAC está trabajando arduamente para prepararse para publicar los artículos restantes. TCGA ha promovido un aumento sustancial en la comprensión de la gente sobre la genómica del cáncer y continúa liderando la investigación en esta área: ¡están considerando cómo aplicar verdaderamente los datos moleculares a la práctica clínica a gran escala! Esta será una operación que subvierte la medicina clínica tradicional, principalmente por su gran escala y la fecha cercana para lograr el objetivo esperado. A partir de ahora, el tratamiento clínico del cáncer ya no será una metafísica y el tratamiento se completará bajo la guía de datos moleculares. Se espera que los pacientes con cáncer se beneficien enormemente.