P:
Com afecta l'aprenentatge automàtic a les proves genètiques?
R:L’aprenentatge automàtic s’està aplicant a les proves genètiques de moltes maneres diferents.
Les aplicacions són gairebé interminables. L’aprenentatge automàtic està ajudant els científics a analitzar l’ADN, a descodificar el genoma humà, a valorar els fenotips de la malaltia, a comprendre l’expressió gènica i, fins i tot, a participar en un procés anomenat edició genètica, on el DNA és “empalmat” en el codi genètic d’un organisme.
| Descàrrega gratuïta: Aprenentatge automàtic i per què és important |
Els mètodes d’informàtica utilitzats en l’aprenentatge genètic de màquines també varien molt. Alguns projectes utilitzen l'aprenentatge supervisat, on totes les dades estan etiquetades anteriorment. Altres utilitzen aprenentatge no supervisat, que es basa en conjunts de dades sense etiquetar, o bé en una combinació dels dos principis anomenats aprenentatge semi-supervisat.
Moltes de les tecnologies de proves genètiques enfront del consumidor que veiem al mercat utilitzen alguna forma d’aprenentatge automàtic o d’intel·ligència artificial per funcionar. Per exemple, els productes que ajudin a mostrar a les persones més coses sobre el seu maquillatge genètic poden haver beneficiat en l'aprenentatge de màquines en investigació i desenvolupament o en l'anàlisi de exemplars en curs.
En moltes maneres, les proves genètiques són el camp perfecte per a aplicacions d'aprenentatge automàtic, en part a causa dels enormes volums de dades que aquests programes necessiten. Per exemple, treballar en el genoma humà implica desxifrar milers de milions d’informacions i, abans de l’arribada de l’aprenentatge automàtic, moltes d’aquestes tasques van ser bastant desagradables.
Per exemple, Google té un programa anomenat DeepVariant que els científics diuen que ara es pot utilitzar per mapar completament el genoma humà, que es pot utilitzar en tot l'espectre de la informació genètica d'una persona.
Agències com els Instituts Nacionals de Salut estan documentant les maneres en què l'aprenentatge automàtic i la intel·ligència artificial contribueixen a una millor comprensió de la genètica i la genòmica, la branca de la biologia molecular que abasta la ciència genètica. Hi ha fins i tot una “escola” d’aprenentatge automàtic anomenada evolucionisme que abasta moltes de les tasques d’aprenentatge automàtic classificades rellevants per al treball genètic. Al final, l'aprenentatge de màquines actua com a catalitzador per a un desenvolupament més ràpid i divers en la investigació i l'enginyeria genètica.
