Q:
¿Cómo afecta el aprendizaje automático a las pruebas genéticas?
UN:El aprendizaje automático se está aplicando a las pruebas genéticas de muchas maneras diferentes.
Las aplicaciones son casi infinitas. El aprendizaje automático está ayudando a los científicos a analizar el ADN, decodificar el genoma humano, evaluar los fenotipos de las enfermedades, comprender la expresión génica e incluso participar en un proceso llamado edición de genes, donde el ADN se "empalma" en el código genético de un organismo.
| Descarga gratuita: Aprendizaje automático y por qué es importante |
Los métodos de informática utilizados en el aprendizaje automático genético también varían mucho. Algunos proyectos utilizan aprendizaje supervisado, donde todos los datos están etiquetados previamente. Otros utilizan el aprendizaje no supervisado, que se basa en conjuntos de datos no etiquetados, o una combinación de los dos principios llamados aprendizaje semi-supervisado.
Muchas de las tecnologías de pruebas genéticas orientadas al consumidor que vemos en el mercado están utilizando algún tipo de aprendizaje automático o inteligencia artificial para funcionar. Por ejemplo, los productos que ayudan a mostrar a las personas más sobre su composición genética pueden haberse beneficiado del aprendizaje automático en investigación y desarrollo, o en el análisis continuo de muestras.
En muchos sentidos, las pruebas genéticas son el campo perfecto para las aplicaciones de aprendizaje automático, en parte debido a los enormes volúmenes de datos con los que estos programas deben lidiar. Por ejemplo, trabajar en el genoma humano implica descifrar miles de millones de bits de información, y antes del advenimiento del aprendizaje automático, muchas de estas tareas eran bastante desalentadoras.
Por ejemplo, Google tiene un programa llamado DeepVariant que los científicos dicen que ahora se puede usar para mapear completamente el genoma humano, que se puede usar en el espectro completo de la información genética de una persona.
Agencias como los Institutos Nacionales de Salud están documentando las muchas formas en que el aprendizaje automático y la inteligencia artificial contribuyen a una mejor comprensión de la genética y la genómica, la rama de la biología molecular que cubre la ciencia genética. Incluso hay una "escuela" de aprendizaje automático llamada evolucionismo que cubre muchas de las tareas clasificadas de aprendizaje automático relevantes para el trabajo genético. Al final, el aprendizaje automático está actuando como un catalizador para un desarrollo más rápido y diverso en investigación e ingeniería genética.
