在生物医学中使用基于网络的方法预测和解释,卷二世

生物医学科学的网络。事实上,许多生物系统,如蛋白质接触网络,蛋白质相互作用网络、代谢途径基因调控网络,只是仅举几例,有“天然”网络表示。

提取有用的信息从生物网络一直是一个活跃的研究课题在过去二十年里和爆炸的兴趣模型生物过程发现广泛赞誉由于自动学习系统的出现由机器学习和人工智能。尽管他们的潜力巨大,绝大多数学习系统是“黑盒”:也就是说,最终用户无法理解为什么和如何学习机器使其决定。相反,不同风格的分析可能在达到目的的生物意义的结果,而不是只关注最大化的预测性能。这不同的风格源于数学的观察,分析技术和计算知识必须给相关和有意义的科学领域专家提示——即。、生物学家、化学家、医生等,不能被视为纯粹的预测工具。

第二卷,我们的目标是建立在知识获得的第一卷,进一步收集研究文章合并统计和结构网络模型的生物系统强调explainability模型。具体地说,我们欢迎两种方法论的论文,提出新颖的技术可辩解的网络推理和分析,在行动和应用程序文件,显示说技术解决实际问题的能力。

感兴趣的领域,这一研究主题包括,但不限于:

•设计新颖的预测方法在网络

•可辩解的人工智能

•分析在生物医学和造型的大型网络

•超图模型的复杂系统

•在药物发现和预测毒理学结构活性关系

•生物分子结构和功能分析

•生理信号和图像的分析基于网络的方法

•开发临床诊断的症状星座网络

我们强烈鼓励提交原始研究和方法的文章,但也欢迎提交数据报告的格式,的角度来看,系统的审查,审查和迷你回顾。