استفاده از روش های یادگیری ماشین و یادگیری عمیق در حوزه بیوانفورماتیک

بیوانفورماتیک شاخه ای بین رشته ای است که بر توسعه و نیز بکارگیری روش هایی برای تجزیه و تحلیل، ذخیره سازی، سازماندهی و بازیابی داده های بیولوژیکی تمرکز دارد. برنامه های بیوانفورماتیکی در پاسخ به پرسش ها و مسائلی بیولوژیکی از قبل حادث شده توسعه داده می شوند. در دهه های گذشته با توجه به تولید حجم عظیمی از داده‌های بیولوژیکی به دلیل ظهور تکنیک های با توان عملیاتی بالا همچون ngs و غیره، ارائه مدل ها و الگوریتم های مختلف در این حوزه برای دست ورزی و استخراج الگو ها از این حجم عظیم کلان داده بیش از پیش مد نظر قرار گرفته است. از دیگر سو، یادگیری ماشینی به شاخه ای از علوم کامپیوتر و هوش مصنوعی تعلق دارد که بدون برنامه نویسی صریح قابلیت خودآموزی را برای کامپیوتر ها فراهم می آورد. الگوریتم‌های یادگیری ماشینی به طور گسترده ای به منظور پیش‌بینی، طبقه‌بندی و انتخاب ویژگی در بیوانفورماتیک استفاده می‌شوند. در حال حاضر، استفاده از الگوریتم ها و مدلهای ترکیبی در تحقیقات بیوانفورماتیک محبوبیت پیدا کرده اند. چرا که وقتی چندین روش با یکدیگر ترکیب می شوند، محدودیت هر روش کاهش و کارایی مدل نهایی بهبود پیدا می کند. لازم به ذکر است الگوریتم های کلاسیک یادگیری ماشین در بیوانفورماتیک با ظهور الگوریتم های متنوع یادگیری عمیق تحت الشعاع قرار گرفته اند که نهایتا منجر به بهبود های شگرفتی در پنج حوزه اصلی مطالعات بیوانفورماتیکی شده است.