Семинар на тему «Методы машинного обучения в современной молекулярной биологии: обучение без учителя»
Дата и место проведения: 9 августа 16:00, 218 ауд. (2 корпус), пр.Гагарина, 23, Кампус Университета
Докладчик: Андрей Зиновьев, выдающийся эксперт в системной биологии и математическом моделировании биологических систем. Соавтор первой в мировой литературе монографии о вычислительной системной биологии рака (Computational Systems Biology of Cancer, by Emmanuel Barillot, Laurence Calzone, Philippe Hupe, Jean-Philippe Vert and Andrei Zinovyev, Chapman & Hall, 2012. 452 pp.) Руководитель группы системной биологии рака Института Кюри (Париж) – главного онкологического института-клиники Франции (и, вероятно, всей континентальной Европы). Андрей Зиновьев известен также своими работами по разработке новых методов для анализа и упрощения многомерных данных различной природы.
Доклад: Методы машинного обучения в современной молекулярной биологии: обучение без учителя.
Современная молекулярная биология является одним из главных производителей массивных (“больших”) данных, которые позволяют разобраться с молекулярными механизмами вовлеченными в такие процессы как развитие организма, возникновение раковой опухоли, сопротивление больной клетки фармакологическому воздействию. Методы машинного обучения играют центральную роль в понимании и использовании больших омиксных данных в молекулярной биологии.
В этом докладе будет сделан упор на постановку задачи машинного обучения без учителя в биологии, в ситуации отсутствия надежной информации о классах объектов (образцах ткани, отдельной клетки). Будет показано, что методы обучения без учителя (например, метод независимых компонент или метод упругих графов) могут решать такие задачи как определение функциональных клеточных подсистем и бифуркаций в их нелинейной динамике.
Machine learning methods in modern molecular biology: unsupervised approach
Modern molecular biology is one the principal producers of Big Data, which allows deciphering molecular mechanisms responsible for such processes as organism development, cancerogenesis, resistance of a cell in diseased state to pharmacological agents. Methods of machine leaning play the central role in understanding and exploiting the Big Omics Data in molecular biology.
In my talk I will focus on the task of unsupervised learning in biology, when there is frequently no reliable information about object classes (where objects can be biological samples or individual cells). I will demonstrate that the methods of unsupervised machine learning (such as the method of independent components or the method of elastic graphs) can solve such tasks as defining the functional cellular subsystems and bifurcations in their non-linear dynamics.