KOSEN 한인과학기술자네트워크

닫기

더 많은 혜택을 위해
로그인 하세요.

동향

동향

학회보고서 작성안내

Machine learning for epigenetics and future medical applications

2017-10-18 org.kosen.entty.User@4d0658b0 이제근(rhee98)
행사&학회소개
Introduction
Machine Learning
Epigenetics
Medical Applications
보고서작성신청
후성 유전학적 과정의 이해는 향후 의료 분야 발전에 많은 가능성을 제공할 수 있다. 특히 기계 학습의 발전은 이러한 가능성을 현실화 시키는 데에 중요한 역할을 수행할 수 있다. 기존의 연구에서 질병의 후성유전학적 세대 전달에 대한 연구를 위해 이러한 후성유적학적 데이터를 사용하였고, 기계학습 방법을 사용하여 전체 유전체에서 중요한 후성유전학적 변이를 찾는 연구를 수행해왔다. 또한 능동 학습 (active learning)과 불균형 클래스 학습의 조합을 통해 효율적으로 인자들을 선택하고 유전체 데이터에서 불균형 데이터 문제를 해결할 수 있었다. 이와 같이 새로운 기계학습 방법의 발전과 후성유전학적 현상과 질병 관련 연관성을 예측할 수있는 능력은 지속적으로 발전해오고 있다. 현재의 연구 방법들은 전체 유전체에서 주요 인자들을 찾기 위해 많은 계산량을 필요로 한다. 이를 위해 딥러닝 방법을 도입하여 분류(classification)과 함께 새로운 중요 인자들을 동시에 찾는 연구도 진행되고 있다.이 방법은 의료에 적용될 수 있는 모든 유전체 또는 생물학적 데이터 세트와 함께 사용될 수도 있다. 본 자료에서는 의료 분야에 적용될 수 있는 고급 기계 학습 분석 방법들과 여기에 사용되는 후성유전학적 데이터들에 대해 전반적으로 설명한다.
목록
목록