LOGISTAR — Scheda Oggetto

Oggetto salvato correttamente.

Dati oggetto

URL

Apri

Titolo / Descrizione

Sito / Azienda

Estratto / Body

&lt;p&gt;La genomica `e la disciplina che si occupa della struttura, sequenza, funzione&lt;br /&gt;ed evoluzione del genoma, cio`e dell&amp;rsquo;informazione genetica contenuta nel DNA&lt;br /&gt;presente nelle cellule di una particolare specie. Avendo a disposizione enormi&lt;br /&gt;quantit`a di dati per l&amp;rsquo;uomo diventa difficile poterli analizzare tutti e riuscire&lt;br /&gt;fare deduzioni su di essi. Perci`o fin dai primi anni di ricerca, in questa&lt;br /&gt;branca della biologia, si `e resa fondamentale l&amp;rsquo;informatica per l&amp;rsquo;elaborazione&lt;br /&gt;e la visualizzazione dei dati che produce, tanto da poter affermare che si basa&lt;br /&gt;sulla bioinformatica. Con l&amp;rsquo;accrescere dei dati raccolti dalle ricerche, `e nata&lt;br /&gt;la necessit`a di catalogarli in modo ordinato all&amp;rsquo;interno di enormi database.&lt;br /&gt;Sono molteplici i progetti avviati con questo scopo, uno dei principali `e Gene&lt;br /&gt;Ontology che mantiene e sviluppa un vocabolario controllato, e annota e&lt;br /&gt;diffonde dati riguardanti i geni e le loro funzioni.&lt;br /&gt;`E qui che entra in gioco il machine learning: grazie ai dati raccolti fino&lt;br /&gt;ad ora sulle funzioni biologiche svolte dai prodotti dei geni, e ai metodi&lt;br /&gt;introdotti dal machine learning come gli algoritmi supervisionati e le reti&lt;br /&gt;neurali, `e ormai possibile aiutare la ricerca direzionando gli scienziati nelle&lt;br /&gt;analisi e negli esperimenti da provare, utili per scoprire e confermare nuove&lt;br /&gt;correlazioni tra geni e funzioni biologiche. Inoltre, essendo tutti gli organismi&lt;br /&gt;legati dal punto di vista evolutivo, e quindi con un genoma pi`u o meno simile,&lt;br /&gt;`e possibile trasferire le conoscenze apprese da uno di essi ad un altro: questo&lt;br /&gt;`e ci`o che si intende per &amp;rdquo;Transfer Learning Inter-Organismo&amp;rdquo;. In questa tesi&lt;br /&gt;verranno sfruttate le reti neurali per trasferire queste conoscenze, proponendo&lt;br /&gt;due metodologie differenti: una utilizza la struttura degli autoencoder, l&amp;rsquo;altra&lt;br /&gt;invece crea classificatori differenti per ogni valore da predire usando il deep&lt;br /&gt;learning.&lt;br /&gt;&amp;nbsp;&lt;/p&gt;

Note

Voto oggetto (1-10)

Precisione (1-10)

Tag (6)

✎ Modifica tag 🤖 Suggerisci AI

           genoma,nn,tesi,autoencoder        

autoencoder 5 gen 5 genoma 5 nn 5 tesi 5 wpg 5

ID: 346 • Tipo: WPG • Reg: 2023-10-09 • Mod: 29/07/2026 20:16