tv.um.es

En los últimos años, el Deep Learning se ha convertido en uno de los campos más activos del aprendizaje computacional, con resultados sorprendentes en un extenso conjunto de aplicaciones como la visión por computador, el reconocimiento de voz y el procesamiento del lenguaje natural. En la Biología computacional, la reciente disponibilidad de grandes cantidades de datos generados por consorcios a nivel mundial, junto con los desarrollos técnicos que facilitan la implementación y el aprendizaje de modelos con resultados cada vez más precisos, han hecho posible la aplicación del Deep Learning a un amplio conjunto de problemas.

En esta charla, se presentan las actividades que actualmente se llevan a cabo en el grupo de Sistemas Computacionales de Biología de IBM Research en Zurich, actividades que ilustran la aplicación de técnicas de Inteligencia Artificial para integrar tipos de datos dispares con el objetivo de desentrañar los mecanismos de diversas enfermedades y desarrollar modelos personalizados de los pacientes. Específicamente, se mostrarán dos ejemplos. En primer lugar, se explicará cómo el análisis de texto se puede emplear para extraer conocimiento de distintas fuentes y obtener mapas exhaustivos de interacción molecular. En segundo lugar, se mostrará cómo una red neuronal multi-modal puede ser entrenada para procesar tipos de datos dispares, tales como estructuras moleculares compuestas, datos transcriptómicos y conocimiento previo sobre las moléculas, para predecir la sensibilidad a los fármacos en líneas de células cancerígenas. Finalmente, se esbozará cómo se pueden usar variaciones de las arquitecturas propuestas para permitir el diseño de fármacos específicos.