Studio e Sperimentazione di Tecnologie di Machine Learning in Ambito Genomico ed Healthcare

Montelli, Francesco (2019) Studio e Sperimentazione di Tecnologie di Machine Learning in Ambito Genomico ed Healthcare. [Laurea], Università di Bologna, Corso di Studio in Ingegneria e scienze informatiche [L-DM270] - Cesena, Documento ad accesso riservato.
Documenti full-text disponibili:
[img] Documento PDF (Thesis)
Full-text non accessibile fino al 31 Agosto 2020.
Disponibile con Licenza: Creative Commons Attribuzione - Non commerciale - Condividi allo stesso modo 3.0

Download (2MB) | Contatta l'autore

Abstract

Le applicazioni di intelligenza artificiale stanno rivoluzionando la nostra società, rendendo quasi ordinari compiti che fino a qualche anno fa erano considerati inaffrontabili. Casi di successo eclatanti sono all'ordine del giorno nei più disparati settori disciplinari che vanno dall'astronomia, ai sistemi produttivi e logistici, all'arte, fino alla medicina. In particolare in ambito healthcare, negli ultimi anni, si stanno moltiplicando gli studi riguardanti il microbiota (o microbioma) intestinale, un aggregato di microorganismi dal peso complessivo di circa 2Kg che vivono in simbiosi con il tratto intestinale. Altri settori in cui applicazioni intelligenti sono utilizzate con sempre maggior successo, comprendono anche la genomica, un settore dove uno dei problemi è la grandissima quantità di dati da gestire, rappresentare ed elaborare. Lo scopo di questa tesi è applicare a due casi di studio diversi algoritmi di machine learning e produrre confronti tra vari modelli evidenziando come i metodi ensemble ottengono risultati in alcuni casi migliori dei lavori in letteratura. I casi di studio presi in esame riguardano sia lo sviluppo di esperimenti per la scoperta di annotazioni Gene Ontology, ossia di nuove funzione biologiche di geni, sia di esperimenti riguardanti l'associazione tra composizione batterica del microbiota ed alcune gravi patologie, come cancro colon-rettale, morbo di Chron, morbo di Parkinson, disturbi dello spettro autistico ed artrite reumatoide.

Abstract
Tipologia del documento
Tesi di laurea (Laurea)
Autore della tesi
Montelli, Francesco
Relatore della tesi
Correlatore della tesi
Scuola
Corso di studio
Indirizzo
Curriculum ingegneria informatica
Ordinamento Cds
DM270
Parole chiave
machine learning,python,genomica,gene ontology,patologie
Data di discussione della Tesi
18 Luglio 2019
URI

Altri metadati

Gestione del documento: Visualizza il documento

^