مروری بر رویکرد های محاسباتی در کشف پیوند های ژنی - بیماری با کمک هوش مصنوعی

درک ارتباط میان ژن ها و بیماری ها از مهمترین چالش های زیست پزشکی مدرن است. پیشرفت فناوری های توالی یابی و تولید حجم عظیمی از داده های ژنتیکی، نیاز به روش های محاسباتی دقیق و کارآمد را افزایش داده است. مدل های آماری، ریاضی و الگوریتم های هوش مصنوعی نقش چشم گیری در تحلیل این داده ها ایفا کرده اند. روش هایی نظیر رگرسیون چندمتغیره، تحلیل شبکه های ژنی و یادگیری عمیق توانسته اند روابط پیچیده میان ژن ها و بروز بیماری های ژنتیکی را شناسایی کنند. ترکیب مدل های آماری با الگوریتم های یادگیری ماشین موجب بهبود دقت پیش بینی و تفسیرپذیری نتایج شده است. این مقاله مروری به بررسی و مقایسه ی مهم ترین رویکردهای محاسباتی در کشف پیوندهای ژنی–بیماری می پردازد و چشم انداز های آینده را در ادغام هوش مصنوعی با مدل های آماری بررسی می کند.