机器学习应用生物系统的基于物理计算模型

现代生物医学成像技术的发展,系统生物学和多尺度计算生物学,结合下一代测序数据的爆炸性增长和使用生物信息学分析,为临床医生和生命科学家提供了无数令人眼花缭乱的信息依据进行决策。由于这个大数据可用性,机器学习,更普遍的是,人工智能技术基于物理计算模型必须日益成为现代生物医学研究和工业的一个组成部分。

尽管最近成功的机器学习和深度学习在许多应用程序中,如图像和语音识别和自然语言处理,其他应用程序从生物学和医疗带来许多明显不同挑战先进的机器学习方法。例子包括,但不限于:

——数据异质性和吵闹
——缺失值
——多速率多分辨率数据自然
——潜在的生理的复杂性
——需要可判断的结果
——或大或小的数据
——隐私问题

因此,生物学和健康存在的一些最具挑战性的,迄今没有得到充分的研究机器学习研究领域。

本研究课题旨在突出最近的努力为生物系统建模,利用机器学习解决问题的跨学科和传输多学科的思维方式。我们非常欢迎提交机器学习和生命科学专家,致力于开发新颖的基于物理计算模型和方法专门针对解决复杂的生物和医学问题通过应用机器学习框架。