“集成多组学数据的机器学习在生物医学中的应用”

理解⼀种疾病的某种现象仅使用⼀种数据类型是远远不够的，随着高通量测序和多组学的快速发展，生物医学研究开始采取多组学技术结合的方法，传统的信息数据处理算法不能满足大数据的处理要求，机器学习作为从数据中进行学习的算法，可以对不同组学来源（如基因组学、转录组学、蛋白质组学、代谢组学）的数据进行综合分析，开发针对个体多样性的多因素预测模型，可以显著减少需要考虑的潜在治疗组合的空间，并识别其他可能被忽视的组合，并可以添加实验验证的步骤，以提供额外的证据，从而证明预测治疗可能存在的有效性。机器学习在疾病亚型识别、生物标志物发现、通路分析以及药物发现及其再利用有着更广泛的前景和应用空间。然而，机器学习的应用仍存在一些瓶颈，人工智能研究项目所需的技能和知识匮乏缺失制约着该方向的发展。

①课程安排

本次课程共讲授六天，采用“3+3”教学体系，两阶段小班授课，给时间巩固练习，便于吸收。并建立永不解散的课程答疑群，可无限次回放视频，超值超划算。

②内容安排

专业老师带队，主要学习机器学习及生物组学基础（提前赠送视频）、python语言基础（提前赠送视频）并且会举一些实用性例子，还有生物组学大数据预处理与探索分析、PCA、tSNE等、经典机器学习模型及多组学应用比如线性回归、梯度下降各种集成学习算法、深度学习在组学数据中的应用，比如神经网络架构、高维组学数据降维聚类分析等，深度学习神经网络基础与实践、多组学联合分析，阐明疾病分子机制，例如因果分析相互验证等、并有深度学习神经网络进阶以及深度学习在组学数据药物发现的应用呀等等～都会举出一些实际应用案例~最后还有AI+Science~

具体内容可以搜索微信公众号“研而有信er”详细了解