การเรียนรู้ของเครื่องและปัญญาประดิษฐ์ในชีววิทยา

ภาพรวม

การเรียนรู้ของเครื่องได้เข้ามาพลิกโฉมวงการชีวสารสนเทศศาสตร์ โดยช่วยให้สามารถค้นหาและจดจำรูปแบบในข้อมูลทางชีววิทยาที่มีมิติตัวแปรสูง แบบจำลองการเรียนรู้เชิงลึก (deep learning) สามารถทำนายหน้าที่การทำงานของโปรตีน จำแนกประเภทของมะเร็ง และระบุองค์ประกอบในการควบคุมการแสดงออกของยีนได้อย่างแม่นยำ

หัวข้อหลัก

• การเรียนรู้เชิงลึกสำหรับการจำแนกลำดับสารชีวโมเลกุล (sequence classification) เช่น CNN, RNN, Transformer
• เครือข่ายประสาทเทียมแบบกราฟ (graph neural networks) สำหรับเครือข่ายทางชีววิทยา
• แบบจำลองเชิงสร้างสรรค์ (generative models) สำหรับการออกแบบโปรตีน
• วิธีแบบกลุ่ม (ensemble methods) สำหรับการทำนายทางคลินิก
• การคัดเลือกคุณลักษณะ (feature selection) ในข้อมูลโอมิกส์ที่มีมิติตัวแปรสูง
• ปัญญาประดิษฐ์ที่อธิบายได้ (explainable AI: XAI) เพื่อวิเคราะห์ข้อมูลเชิงลึกทางชีววิทยา

การประยุกต์ใช้

• การทำนายโครงสร้างและหน้าที่ของโปรตีน
• การจำแนกประเภทย่อยของมะเร็ง
• การทำนายการตอบสนองต่อยา
• การระบุองค์ประกอบควบคุมการแสดงออกของยีน
• การวินิจฉัยกลุ่มโรคหายาก