Makine öğrenmesi ve gen dizinleri arasındaki bağ

Son yıllarda, özellikle gen teknolojisi ve yapay zeka alanında yapılan buluşlar ve çalışmalar bir taraftan heyecan yaratırken diğer taraftan gelecekte insanlığa nasıl bir imkan ya da bedel ödeteceği tahmin edilemediği için kaygı oluşturuyor. Bu gelişmeleri kaygıyla izlemenin ardında yapılan çalışmaları yeterince iyi bilmememizin de rolü var bilim adamları yaptıkları çalışmalar ile makine öğrenmesi vasıtasıyla gen düzenleme yapabiliyorlar…

Bilim insanları, yapay zekayı kullanarak gen düzenlemesi yapmayı başardı. Bu sayede artık hangi genomun hangi durumların ortaya çıkmasında etkili olduğuna yönelik çalışmalar daha da hızlanacak. Büyük veri çağında yaşıyoruz ve içinde bulunduğumuz bu dönemde yapay zeka, bilim insanları için oldukça önemli bir müttefik olduğunu defalarca kanıtladı. Son olarak biyologlar, yapay zekanın da yardımıyla çok sayıda genomdan oluşan gen dizilerini düzenlemeyi başardı.

110

MAKİNE ÖĞRENMESİ NEDİR? 

Makine öğrenmesi ile gen düzenlemeye girmeden önce kısaca makine öğrenmesinden bahsetmemiz gerekir ise; Makine öğrenmesi, bir problemi o probleme ait veriye göre modelleyen bilgisayar algoritmalarının genel adıdır. Mevcut veri seti ve kullanılan algoritma ile oluşturulan model, en yüksek performansı vermek üzere kurulmaktadır. Bu sebeple pek çok makine öğrenmesi yöntemi geliştirilmiş olup bunlardan bazıları; k-en yakın komşu algoritması, basit (naive) Bayes sınıflandırıcı, karar ağaçları, lojistik regresyon analizi, k-ortalamalar algoritması, destek vektör makinaları ve yapay sinir ağlarıdır. Bu yaklaşımların bir kısmı tahmin ve kestirim, bir kısmı kümeleme ve bir kısmı da sınıflandırma yapabilme yeteneğine sahiptir.

210

MAKİNE ÖĞRENMESİ NASIL ÇALIŞIR ? 

Makine öğrenimi algoritmaları genellikle denetlenen veya denetlenmeyen olarak kategorize edilir. Algılanan algoritmalar, algoritma eğitimi sırasında tahminlerin doğruluğu hakkında geri bildirim sağlamanın yanı sıra, hem girdi hem de istenen çıktıyı sağlamak için makine öğrenim becerileri ile bir veri bilimcisi veya veri analisti gerektirir. Veri bilimcileri, modelin hangi değişkenleri veya özellikleri analiz edeceğini ve tahminleri geliştirmek için kullanacağını belirler. Eğitim tamamlandığında, algoritma öğrenilenleri yeni verilere uygulayacaktır.

310

GENETİK HASTALIKLARIN TEŞHİSİNDE MAKİNE ÖĞRENİMİNİN GETİRDİKLERİ ! 

Rady Çocuk Genomik Tıp Enstitüsü’ndeki (RCGIM) San Diego Araştırmacıları; rekor sürede nadir görülen genetik hastalıkları teşhis etmek için, bir makine öğrenme süreci ve Klinik Doğal Dil İşleme (CNLP) kullandılar. Bu yeni yöntem; yoğun bakımda bebeklerle ilgilenen hekimlerin, karşılaştıkları sorunlara çözümü hızlandırmakta ve kriptik (iltihabi) koşulları olan bebekler için birinci basamak tanı testi olarak genom diziliminin daha fazla kullanılmasına kapıyı açmaktadır.

410