Трансферное обучение в биоинформатике
В журнале Frontiers in Big Data публикована статья «Unsupervised domain adaptation methods for cross-species transfer of regulatory code signals»
30 марта опубликована статья «Unsupervised domain adaptation methods for cross-species transfer of regulatory code signals» в журнале Frontiers in Big Data, в которой ученые представили свой опыт. Над проектом работали аспиранты ФКН НИУ ВШЭ Павел Латышев, Федор Павлов, научный консультант Алан Герберт, заведующий лаборатории Мария Попцова.
Для многих геномов разных видов отсутствуют дорогостоящие эксперименты по полногеномному картированию различных функциональных элементов. «Мы поставили задачу разработать систему ИИ, которая бы могла воссоздать недостающие эксперименты для любого интересующего вида. Также мы разработали модели трансферного обучения на основе архитектур доменной адаптации для переноса экспериментальных аннотаций технологий ChIP-Seq с одного генома на другой, для которых нужные эксперименты отсутствуют», – поясняет Мария Попцова. Исследователи протестировали десятки гистоновых меток и транскрипционных факторов для 4 геномов: червя, дрозофилы, мыши и человека. Опробовали все 12 перекрёстных переносов для 8 архитектур доменной адаптации и пришли к выводу, что для одного геномного маркера необходимо 96 прогонов модели. Вычисления производились на суперкомпьютере НИУ ВШЭ. Эмпирически определи наиболее подходящие архитектуры для гистонов и для транскрипционных факторов.