精密医学系统生物学和机器学习的十字路口

在过去的十年中,它已成为明显,没有完全相同的两个病人。因此,传统的治疗模式,治疗疾病而不是患者,已证实效果不彰。比其他地方这是更为明显的上下文中慢性、非传染性疾病。精密医学(PM)已经成为试图提供治疗和预防,在考虑个体差异基因,生活方式,行为和环境。然而,复杂的生物药物和疾病的反应需要的组合方法大幅升级数据的信息内容和形式将数据提供了理性的框架。这些关键功能是通过机器学习(ML)的最近进展和系统生物学(某人),分别。

然而,都需要和操作在不同的基本原则:毫升基于计算科学和统计学习的进步发展黑色/灰色模型,而某人建立在数学和计算(半)机械模型的表示。然而,每种方法有一定的局限性:毫升需要大量的数据,而某人需要更深入地理解的生理学和药理学。的鸿沟大有前途的途径之一是探索毫升的接口和某人和探索发展混合动力车型的可能性,不仅让我们分别利用每种方法的优势,但更重要的是,从两者之间的协同效应中受益

在这个特殊的问题,我们征求贡献,讨论应用程序和理论/计算进一步发展进步和探索机会在某人的接口和毫升。恳请贡献突出特定的应用程序跨不同疾病领域和药物干预,探讨理论的挑战,或提出新方法,框架和理论进展。我们也欢迎贡献旨在探索开发标准和最佳实践的可能性,当我们朝着这个小说建模方法。

特刊将包括原始的科学论文,观点和评论,符合主题。贡献不合适的主题将被视为一般提交《华尔街日报》。

这一主题旨在扩大从第九届国际会议上讨论在系统生物学的基础工程(FOSBE 2022)。