展会活动
Jennifer Listgarten 研讨会:机器学习——从(表观)遗传学到基因编辑再到蛋白质优化
分子生物学、遗传学和 蛋白质 工程学已经慢慢转变为可以利用机器学习和应用统计学的大规模数据驱动科学。 我的演讲将是对这个交叉点的几个项目的快速浏览。 我将首先解释在寻找疾病的遗传基础方面的一些建模挑战: 基因组 和 表观基因组广泛的关联,其中系统地扫描单个或一组(表观)遗传标记与疾病的关联是了解疾病过程的一个窗口。 天真地,可以通过使用简单的统计测试找到这些关联。 然而,数据中隐藏着各种各样的结构和混杂因素,例如 细胞 类型异质性和种群结构,如果处理不当,会导致虚假和遗漏的关联。 一旦我们发现遗传原因, 基因组编辑 也许有一天让我们以一种定制的方式修复基因组。 我将描述我们如何开发最先进的机器学习方法 CRISPR 指南设计。 最后,我将介绍我们在基于机器学习的蛋白质优化方面的一些新工作的预告片,例如,我们试图找到启动子/密码子序列,它将为我们提供所需的蛋白质 表达.
机器学习:
从(表观)遗传学到基因编辑再到蛋白质优化
电气工程与计算机科学系教授
美国加州大学伯克利分校
我们努力使我们的活动易于访问和包容。 Innovative Genomics Institute 大楼符合 ADA 标准,并设有供访客使用的哺乳室。 有关残疾住宿信息和/或进入哺乳室的信息,请联系活动组织者或发送电子邮件 igi-info@berkeley.edu.