Entraînement et évaluation sensibles aux biais des algorithmes de prédiction de liens en biologie des réseaux

Sciences de l'information, Informatique, Intelligence artificielle, Sciences de la vie, Biologie cellulaire, Biochimie, Génie biologique, Génétique,
prédiction de liens   biologie des réseaux   biais   interaction protéine-protéine   apprentissage sur graphes   évaluation d’algorithmes  

Révéler le biais des “nœuds riches” dans les algorithmes de prédiction de liens et ses nouvelles stratégies d’atténuation —— Décryptage de “Bias-aware Training and Evaluation of Link Prediction Algorithms in Network Biology” I. Contexte académique et origine de la recherche Au cours des dix dernières années, la biologie des réseaux (network biology...

APNet : Un modèle d'apprentissage profond parcimonieux explicable pour découvrir les facteurs actifs différentiels de la COVID-19 sévère

Sciences de l'information, Intelligence artificielle, Médecine, Maladies infectieuses, Sciences de la vie, Immunologie,
COVID-19   apprentissage profond   bioinformatique   protéomique   biologie des réseaux  

Contexte académique La pandémie de COVID-19 a eu un impact considérable sur les systèmes de santé publique mondiaux. Bien que la situation se soit améliorée, les mécanismes immunopathologiques complexes de la maladie, les séquelles à long terme (comme le “COVID long”) et les menaces similaires potentielles continuent de stimuler la recherche. En pa...