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

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.