Advertencia: Esta página es una traducción de esta página originalmente en inglés. Tenga en cuenta ya que las traducciones son generadas por máquinas, no que todos traducción será perfecto. Este sitio Web y sus páginas están destinadas a leerse en inglés. Cualquier traducción de este sitio Web y su páginas Web puede ser imprecisa e inexacta en su totalidad o en parte. Esta traducción se proporciona como una conveniencia.

Aprendizaje de máquina en genética

Objetivo del aprendizaje de máquina y de la inteligencia artificial desarrollar los algoritmos de la computador que perfeccionan con experiencia. Estos algoritmos se pueden utilizar para ayudar con el análisis de los conjuntos de datos enormes incluyendo datos de la secuencia genomic.

Laboratorio futurista. Inteligencia artificial en genética.Haber de imagen: Gorodenkoff/Shutterstock

Métodos del aprendizaje de máquina

Los métodos del aprendizaje de máquina se realizan en tres escenarios. Un investigador de aprendizaje desarrolla un algoritmo que sospechen lleven al aprendizaje acertado.

Luego, el algoritmo se proporciona una recogida de datos grande. Los datos incluyen resultados negativos y positivos, así que el algoritmo puede aprender distinguir entre los dos. Los resultados se conocen como escritura de la etiqueta, y el algoritmo tramita éstos y los salva como modelo.

Pasado, los nuevos datos sin etiqueta se dan al algoritmo y utilizan el modelo para predecir las escrituras de la etiqueta para el nuevo equipo de datos. Si el aprendizaje era acertado, después las escrituras de la etiqueta previstas para el nuevo equipo de datos estarán correctas.

Este método se refiere como aprendizaje vigilado y se puede utilizar para considerar si el algoritmo puede aprender reconocer un valor específico de un equipo de datos.

Los métodos de aprendizaje no supervisados no proveen del algoritmo ejemplos etiqueta al ayudante que aprende sino dan a algoritmo informaciones en bruto con la esperanza de que pueda encontrar una estructura dentro del conjunto de datos.

El investigador de aprendizaje debe utilizar lo que él sabe ya sobre los datos para construir un modelo profético y para aplicar esto al algoritmo.

Usos del aprendizaje de máquina a la genética

Los algoritmos de aprendizaje de máquina se pueden utilizar para analizar los equipos grandes de datos de secuencia genomic. Vigilado el aprendizaje de los métodos para la identificación del gen requiere la entrada de las series etiqueta de la DNA que especifican las situaciones del comienzo y del final del gen.

El algoritmo entonces utiliza este modelo para aprender las propiedades generales de genes tales como configuraciones de DNA-secuencia y la situación de los codones de parada.

Después de este entrenamiento, el modelo puede utilizar estas propiedades doctas para determinar genes adicionales de los nuevos conjuntos de datos que se asemejan a los genes en el equipo del entrenamiento.

Para que los algoritmos de aprendizaje profundos trabajen con éxito, las funciones de baja (que indican cómo es exacto es una predicción) y las funciones de riesgo (que indican la baja media a través del entrenamiento fijado) se utilizan dentro del modelo para ajustar para que haya las predicciones falsas del algoritmo.

Cuando los datos de entrenamiento no están disponibles, se utilizan los métodos de aprendizaje no supervisados. Un ejemplo de cuando éste puede ser necesario está durante la interpretación de datos genomic heterogéneos.

La modificación de la histona, la accesibilidad de la cromatina, y el factor de la transcripción que ata a lo largo del genoma pueden ofrecer la información con respecto a la actividad del genoma. Esta información se puede entonces utilizar para crear un equipo de escrituras de la etiqueta.

Ambos métodos se pueden utilizar para descubrir genes del interés y de la otra información sobre un genoma ordenado.

Adelantos recientes en genéticas usando el aprendizaje de máquina

El análisis componente principal (PCA) es un ejemplo de no supervisado aprendiendo cuál se utiliza para descubrir la fuerza de lazos desconocidos entre individuos.

El PCA toma una mezcla de diversos genotipos (con dimensionalidad muy alta) y produce un resumen de la inferior-dimensión que revele cómo los genotipos se agrupan.

El PCA se ha utilizado previamente para mostrar cómo los lazos entre individuos europeos reflejan la geografía.

Los métodos vigilados del aprendizaje de máquina eran usados recientemente discriminar entre las regiones genomic que experimentaban la selección de la purificación y los que no tenían ninguna restricción selectiva. Esto fue descubierta usando solamente datos genomic de la población.

Este estudio descubrió las regiones del candidato del genoma que fueron enriquecidas altamente en los dominios reguladores de los genes que son importantes para el revelado apropiado del sistema nervioso central.

La presencia de las regiones del candidato cerca de un gen puede predecir cambios humano-específicos de la expresión en el cerebro.

Perspectivas y el futuro del aprendizaje de máquina en genética

En conclusión, el aprendizaje de máquina es un tema muy complejo y extenso. Los algoritmos pueden ser creados que permiten un análisis lejos más exacto de datos que muchos otros métodos que existan.

El método de aprendizaje de máquina se utilice que dependerá de la naturaleza de los datos que están disponibles y qué están intentando los investigadores descubrir.

Más investigación en el aprendizaje de máquina y la inteligencia artificial ofrecerá maneras más exactas de analizar los datos genomic en el futuro, que llevarán a más descubrimientos.

Fuentes:

Further Reading

Last Updated: Jun 25, 2019

Written by

Samuel Mckenzie

Sam graduated from the University of Manchester with a B.Sc. (Hons) in Biomedical Sciences. He has experience in a wide range of life science topics, including; Biochemistry, Molecular Biology, Anatomy and Physiology, Developmental Biology, Cell Biology, Immunology, Neurology  and  Genetics.

Citations

Please use one of the following formats to cite this article in your essay, paper or report:

  • APA

    Mckenzie, Samuel. (2019, June 25). Aprendizaje de máquina en genética. News-Medical. Retrieved on April 11, 2021 from https://www.news-medical.net/life-sciences/Machine-Learning-in-Genetics.aspx.

  • MLA

    Mckenzie, Samuel. "Aprendizaje de máquina en genética". News-Medical. 11 April 2021. <https://www.news-medical.net/life-sciences/Machine-Learning-in-Genetics.aspx>.

  • Chicago

    Mckenzie, Samuel. "Aprendizaje de máquina en genética". News-Medical. https://www.news-medical.net/life-sciences/Machine-Learning-in-Genetics.aspx. (accessed April 11, 2021).

  • Harvard

    Mckenzie, Samuel. 2019. Aprendizaje de máquina en genética. News-Medical, viewed 11 April 2021, https://www.news-medical.net/life-sciences/Machine-Learning-in-Genetics.aspx.

Comments

The opinions expressed here are the views of the writer and do not necessarily reflect the views and opinions of News Medical.