کنفرانس بین المللی پزشکی و زیست شناسی هوشمند (ICIBM)
چکیده
کنفرانس بین المللی پزشکی و زیست شناسی هوشمند 2016، در هشتم الی دهم دسامبر سال 2016 در هیوستون تگزاس ایالات متحده ی آمریکا، برگزار شد. ICIBM شامل هشت نشست علمی، چهار کارگاه آموزشی، یک جلسه ارائه تصویری ( (poster sessionچهار جلسه مذاکرات برجسته (highlighted talks) و چهار نطق اصلی (keynotes) بود که مباحث پیرامون تحلیل های ساختار سه بعدی ژنوم، نسل آینده ی آنالیزهای توالی یابی ژنتیکی (NGC)، داروپژوهی محاسباتی، انفورماتیک پزشکی، ژنتیک سرطان و بیولوژی سیستم ها را در برمی گرفتند. در این مقاله، ما خلاصه ای از نه سرفصل تحقیقاتی که از برنامه ی ICIBM 2016 برای انتشار در BMC Bioinformatics انتخاب شده بود، ارائه می دهیم.
معرفی
کنفرانس بین المللی پزشکی و زیست شناسی هوشمند (ICIBM 2016) در سال 2016، یک انجمن بین رشته ای برای دانشمندان علوم کامپیوتری و زیست شناسان تجربی فراهم آورد تا یافته های اخیر خود در زمینه ی ژنتیک سرطان، بیولوژی سیستم ها، انفورماتیک پزشکی، تحلیل داده های بزرگ و یادگیری ماشین (machine learning)، را در با یکدیگر به اشتراک بگذارند. کنفرانس در 8 الی 10 دسامبر 2016 در هیوستون تگزاس ایالات متحده آمریکا برگزار شد. بیش از 150 محقق و دانشجو از سراسر جهان در این گردهمایی حضور داشتند. در این مقاله، ما ده مقاله پژوهشی اولیه که بر روش های جدید توسعه یافته در زمینه ی یادگیری ماشین، ژنتیک، و نسل آینده ی آنالیزهای توالی یابی ,(NGS)تمرکز داشتند را جمع آوری کرده ایم. در مقاله اول از این مجموعه، Young et al. [1] یک روش یادگیری عمیق بدون نظارت جدید توسعه داده است، تا نمایش های با اهمیت کم از داده های بیان ژن سرطان را پیدا کند. متغیرهای پنهان برآورد شده که از لایه های عمق-شبکه گرفته می شود، یک بینش جدید از مکانیسم تومورزایی و بقای بیمار فراهم می کند. آنها متوجه شدند که نمایش های لایه پنهان، اطلاعاتی را رمزگذاری کرده که به دسته بندی نمونه های تومور مغزی گلیوبلاستوما و بقای بیماران دارای گلیوبلاستوما مربوط بوده است. دسته بندی، همچنین به آنها اجازه داد تا فنوتیپ مغلوب را از داده های متیلاسیون، کشف کنند. بعلاوه، نتایج انتخاب مدل یک اندازه قابل قبول بیولوژیکی برای اولین لایه ی پنهان، بدست داد. فهم روابط بیولوژیکی رمزگذاری شده در این نمایش های لایه ی پنهان، می تواند به بینشی نو به زیست شناسی سرطان و درمان آن، منجر گردد.
Abstract
The 2016 International Conference on Intelligent Biology and Medicine (ICIBM 2016) was held on December 8–10, 2016 in Houston, Texas, USA. ICIBM included eight scientific sessions, four tutorials, one poster session, four highlighted talks and four keynotes that covered topics on 3D genomics structural analysis, next generation sequencing (NGS) analysis, computational drug discovery, medical informatics, cancer genomics, and systems biology. Here, we present a summary of the nine research articles selected from ICIBM 2016 program for publishing in BMC Bioinformatics.
Introduction
The 2016 International Conference on Intelligent Biology and Medicine (ICIBM 2016) provided a multidisciplinary forum for computational scientists and experimental biologists to share their most recent findings in the field of cancer genomics, systems biology, medical informatics, big data analytics and machine learning, among others. The conference was held on December 8–10, 2016 in Houston, Texas, USA. More than 150 researchers and students across the world attended the meeting. In this special issue, we have collected ten primary research articles focusing on new methods developed in the field of machine learning, genomics, and next generation sequencing (NGS) analysis. In the first paper of this collection, Young et al. [1] developed a new unsupervised deep learning method to find low dimensional representations of cancer gene expression data. The estimated latent variables taken from the hidden layers of a deep-net provided novel insights into the mechanisms of tumorigenesis and patient survival. They discovered that the hidden layer representations encoded the information that was relevant to the clustering of glioblastoma samples and the survival of glioblastoma patients. This clustering also allowed them to uncover latent phenotype from the methylation data. In addition, model selection results provided a biologically plausible size for the first hidden layer. Understanding the biological relationships encoded in these hidden layer representations could lead to novel insights into cancer biology and treatment.
چکیده
معرفی
Abstract
Introduction
- ترجمه فارسی مقاله با فرمت ورد (word) با قابلیت ویرایش، بدون آرم سایت ای ترجمه
- ترجمه فارسی مقاله با فرمت pdf، بدون آرم سایت ای ترجمه