Des chercheurs de l’UC San Diego présentent EUGENe un logiciel de génomique d’apprentissage en profondeur facile à utiliser

Les chercheurs de l'UC San Diego dévoilent EUGENe, une solution logicielle facile à utiliser pour la génomique à apprentissage en profondeur

La recherche d’apprentissage profond est utilisée dans tous les domaines de la vie. Elle est utile dans chaque domaine. Elle a un grand impact sur la recherche biomédicale. C’est comme un ordinateur intelligent qui peut s’améliorer dans les tâches avec un peu d’aide. Elle a changé la façon dont les scientifiques étudient la médecine et les maladies.

Elle est significative dans le domaine de la génomique, une branche de la biologie qui étudie l’organisation de l’ADN en gènes et les processus par lesquels ces gènes sont activés ou désactivés au sein des cellules individuelles.

Des chercheurs de l’Université de Californie, San Diego, ont élaboré une nouvelle plate-forme d’apprentissage profond qui peut être rapidement et facilement adaptée à différents projets de génomique. Hannah Carter, Ph.D., professeur associé au Département de Médecine de l’UC San Diego School of Medicine, déclare que chaque cellule a le même ADN, mais la façon dont l’ADN s’exprime change l’apparence et les actions des cellules.

EUGENe utilise des modules et des sous-packages pour faciliter les fonctions essentielles d’un flux de travail d’apprentissage profond en génomique. Ces fonctions comprennent (1) l’extraction, la transformation et le chargement de données séquentielles à partir de différents formats de fichiers ; (2) l’instanciation, l’initialisation et la formation de diverses architectures de modèles ; et (3) l’évaluation et l’interprétation du comportement du modèle.

Alors que l’apprentissage profond offre le potentiel de fournir des informations précieuses sur les divers processus biologiques régissant la variation génétique, sa mise en œuvre pose des défis aux chercheurs ayant besoin d’une expertise plus approfondie en informatique. Les chercheurs ont déclaré que l’objectif était de développer une plate-forme qui permette aux chercheurs en génomique de rationaliser leur analyse de données d’apprentissage profond, facilitant l’extraction des prédictions à partir de données brutes avec plus de facilité et d’efficacité.

Même si seulement environ 2 % du génome total se compose de gènes codant pour des protéines spécifiques, les 98 % restants, souvent désignés comme de l’ADN “poubelle” en raison de son prétendu manque de fonction connue, jouent un rôle essentiel dans la détermination du moment, du lieu et de la manière dont certains gènes sont activés. Comprendre les rôles de ces sections du génome non codantes a été une priorité majeure pour les chercheurs en génomique. L’apprentissage profond s’est avéré être un outil puissant pour atteindre cet objectif, bien que son utilisation efficace puisse être difficile.

Adam Klie, étudiant en doctorat dans le laboratoire de Carter et premier auteur de l’étude, a déclaré que de nombreuses plateformes existantes nécessitent de nombreuses heures de codage et de manipulation de données. Il a noté que de nombreux projets obligent les chercheurs à commencer leur travail à partir de zéro, nécessitant une expertise qui peut ne pas être facilement disponible pour tous les laboratoires intéressés par ce domaine.

Pour évaluer son efficacité, les chercheurs ont testé EUGENe en tentant de reproduire les résultats de trois études précédentes en génomique qui utilisaient divers types de données de séquençage. Dans le passé, l’analyse de ces ensembles de données diverses nécessiterait l’intégration de plusieurs plates-formes technologiques différentes.

EUGENe a démontré une remarquable flexibilité, reproduisant efficacement les résultats de chaque investigation. Cette flexibilité met en évidence la capacité de la plate-forme à gérer une large gamme de données de séquençage et son potentiel en tant qu’instrument adaptable pour la recherche en génomique.

EUGENe montre une adaptabilité à différents types de données de séquençage de l’ADN et un support pour divers modèles d’apprentissage profond. Les chercheurs visent à élargir son champ d’application pour englober une plus large gamme de types de données, y compris les données de séquençage de cellules uniques, et prévoient de rendre EUGENe accessible aux groupes de recherche du monde entier.

Carter exprime son enthousiasme quant au potentiel collaboratif du projet. Il déclare que l’une des choses passionnantes à propos de ce projet est que plus les gens utilisent la plate-forme, meilleure elle peut devenir avec le temps, ce qui sera essentiel alors que l’apprentissage profond continue d’évoluer rapidement.

We will continue to update IPGirl; if you have any questions or suggestions, please contact us!

Share:

Was this article helpful?

93 out of 132 found this helpful

Discover more

AI

Décoder les LLMs

Les années récentes ont connu une évolution remarquable des modèles de langage avec l'introduction des Transformeurs,...

AI

La brillance stratégique de Meta Llama 2 pourrait être leur nouveau graphe social

Dans un mouvement qui a attiré l’attention de l’industrie technologique, Meta a récemment annoncé la sort...

AI

Application pour smartphone augmente la sécurité dans la chirurgie hépatique

Une équipe internationale de chercheurs a développé une application smartphone qui fournit un score de risque personn...

AI

Des chercheurs de l'Université de Washington et d'AI2 présentent TIFA une mesure d'évaluation automatique qui évalue la fidélité d'une image générée par une IA via VQA.

Les modèles de génération de texte vers image sont l’un des meilleurs exemples des avancées en intelligence art...

AI

Anthropic Releases Claude 2.1 Révolutionner l'intelligence artificielle d'entreprise avec une fenêtre de contexte étendue et une précision améliorée

Alors que divers modèles d’IA existent, le récemment lancé Claude 2.1 par Anthropic aborde certains des problèm...

Apprentissage automatique

L'apprentissage automatique révèle une surprise liée au COVID

Des chercheurs utilisant l'apprentissage automatique pour analyser les cas quotidiens de pneumonie dans une unité de ...